- 三维人物化身建模综述 -- 从重建到生成
3D 建模近年来得到了快速发展，特别是在三维人体建模方面，这篇综述从重建和生成的角度全面介绍了相关技术和方法，并对现有方法的反思和未来研究方向进行了讨论。
- CVPR红外对抗汽车贴纸
基于 3D 建模提出一种物理攻击方法，设计了一组红外对抗贴纸，使汽车在不同视角、距离和场景下对红外探测器实现隐形，成功率为 91.49%。
- Coin3D：基于代理引导调控的可控交互式 3D 资源生成
本文介绍了一种名为 Coin3D 的新型可控交互式 3D 资产建模框架，该框架允许用户利用从基本形状组装而成的粗粒度几何代理控制 3D 生成，并引入交互式生成工作流，以支持在几秒钟内快速交互编辑本地部分，并提供快速响应的 3D 对象预览。通 - 造型现实：利用制作约束增强三维生成人工智能
生成 AI 工具在 3D 建模中变得更加普遍，使用户能够通过文本或图像进行模型操作或创建，从而更轻松地快速定制和迭代 3D 设计，探索新的创意。然而，当创建用于制造的 3D 模型时，设计师需要在美学品质和结构约束之间进行权衡。本研究提出了对 - 关于关节化物体建模的调查
计算机视觉和图形中关于 3D 建模和关节物体建模的最新综述研究，着重讨论几何处理和关节建模的相关文献，强调了这些领域的重大进展，并且指出了未来研究的空缺。
- CharNeRF：从概念艺术创造 3D 角色
提出一种新的方法来从一致的 3D 周转概念艺术中创建三维角色的体积表示，通过编码概念艺术为先验模型来优化 3D 建模管道，并演示了结合射线采样和表面采样增强网络的推理能力，生成高质量的 360 度角色视图，提供了简单指导以更好地利用模型提取 - SUNDIAL：通过直接、环境和复杂照明分解进行的三维卫星理解
通过使用神经辐射场，我们提出了一种名为 SUNDIAL 的方法，可以从卫星图像中实现全方位的三维重建，通过建模场景几何、照明组件和太阳方向，进而改善场景几何、解离场景颜色和照明，并确定来自直接光、环境光和复杂光源的照明成分，从而提高卫星场景 - 雷达场：基于合成孔径雷达的辐射场扩展
尽管光学和合成孔径雷达（SAR）图像形成模型之间存在重要差异，但本文展示了辐射场可以扩展到雷达图像，首次提出了 “雷达场”，并且在平均计算复杂性上与普通辐射场相似，这使得我们可以仅使用雷达图像集合来学习表面模型，同时显示了结合光学和 SAR - ITEM3D：针对 3D 模型的光照感知方向纹理编辑
ITEM3D 通过渲染图像作为文本和 3D 表达之间的桥梁，利用扩散模型和可微分渲染技术，进一步优化表面纹理和环境映射，通过引入相对编辑方向和逐渐调整方向的优化目标，解决了 3D 纹理编辑任务中的文本歧义和外观噪声问题，并在各种 3D 物体 - 大肠三维形状细化：基于点扩散模型的数字幻影生成
准确建模人体器官在构建计算仿像试验中起着关键作用，但对人体内许多结构进行 CT 扫描生成解剖合理的器官表面重建依然具有挑战性。本研究利用几何深度学习和去噪扩散概率模型的最新进展来改进大肠的分割结果，通过将器官表示为从 3D 分割掩模表面采样 - 数字建模化为人人所用：初学者进行基于语音的 3D 建模的探索
This research explores the mental model of novices in voice-based 3D modeling and provides design implications for voice - CVPR通过 3D 建模实现自然服装纹理以规避人体检测器
本文提出了一种利用 3D 建模技术生成的伪装纹理，来制作能够有效规避多角度人体检测器的伪装服装，实验结果表明这类服装具有较高的攻击成功率。
- 高效文本引导的三维感知人像生成：应用得分蒸馏采样于分布
本研究提出了一种名为 DreamPortrait 的算法，它可以在一个前向传递中生成文本引导下的 3D 感知画像，通过 Score Distillation Sampling 和 GAN 损失正则化方法来优化分布，进一步设计了 3D 感知门 - 基于循环置信传播的大规模高效纹理映射算法
本文提出了一种使用多视图文理映射算法的框架，采用循环置信传播算法进行高效全局概率推断，使得纹理融合和混合在面级别上变为可能，并且此算法比现有算法更加快捷、鲁棒性更高
- TUVF: 学习可推广的纹理 UV 辐射场
本文研究在给定 3D 模型的情况下生成高保真纹理的问题，提出了一种基于可学习的 UV 球空间的纹理生成模型 TUVF，并将 UV 球空间与辐射场相结合，实现了在纹理控制和编辑方面的实质性改进。
- NutritionVerse-Thin: 一种优化策略，用于改进 3D 薄食物模型的呈现
该论文针对 3D 模型渲染中的薄物体问题，提出了一种基于可区分重构的优化策略，该方法针对薄物体进行了优化，达到了更好的渲染效果。
- CVPR从单目 RGB 视频学习个性化、高质量的立体头像
本文提出了一种从野外拍摄的单目 RGB 视频学习高质量的隐式三维头像的方法，该方法通过参数化人脸模型驱动头像实现用户控制的面部表情和头部姿态，使用几何先验和 3DMM 的动态跟踪结合神经辐射场实现细粒度控制和光线真实感，并通过在 3DMM - CVPR野外学习生成隐式神经资产
本文介绍了一种基于真实驾驶数据的生成模型 GINA-3D，其使用相机和 LiDAR 传感器捕获数据，通过学习三平面潜在结构的方法处理姿态与视差，从而创建具有多样性的车辆和行人 3D 模型，并在大规模的样本测试中表现出高质量和多样性。
- MMDreamBooth3D: 基于主题的文本到三维生成
DreamBooth3D 是一种将个性化的文本 - 图像模型与文本 - 3D 生成相结合的方法，通过 3 阶段优化策略实现了神经光辐射场的 3D 一致性和文本 - 图像模型的个性化能力，能够生成高质量、个性化的 3D 模型。
- PointAvatar: 从视频中生成可变形基于点的头像
使用可变形基于点的表示方法 PointAvatar，将颜色和法向量相关联，可以基于单目视频生成高质量的可动画 3D 头像，并在渲染效率和拓扑灵活性方面加强。