- E2GS: 事件增强的高斯点云投射
使用 Event Enhanced Gaussian Splatting(E2GS)方法,结合事件数据和高斯分层方法,以提高图像去模糊和产生高质量的新视角合成,并在综合实验中展示了较快训练和渲染速度(140 FPS)
- Wild-GS: 无拘束照片集实时新视角合成
Wild-GS 是一种针对无约束的照片集合进行优化的 3D 高斯粒子着色方法,它通过将引用视图的像素外观特征与相应的局部高斯进行对齐来有效地将高频细节的外观传输到 3D 空间,并在训练和推断中实现了最高的渲染性能和效率。
- 高斯 SR: 二维扩散先验下的三维高斯超分辨率
通过使用 3D 高斯喷洒、得分蒸馏抽样等技术实现基于低分辨率输入视图的高分辨率新视图合成。
- 未知姿态下的多视角到 3D 的生成性提升:将 NeRF 包装在扩散中
我们将来自未知姿态的多视图重建问题作为一个生成建模问题。通过一组未标注的场景的 2D 图像,我们的方法同时学习了一个网络来预测从 2D 图像输入中的相机姿态,并学习了用于 3D 场景的神经辐射场(NeRF)的参数。通过在标准去噪目标下使用去 - 活动侦察员:在密集城市环境中使用神经辐射场进行多目标跟踪
通过在高度遮挡的城市环境中研究追逐与逃避游戏,我们可以使用神经辐射场(NeRF)来实时构建城市的表示,并以完全的先验方式积极跟踪动态目标。我们的方法在追踪动态目标方面表现较优,且观察到侦察兵的策略具有一些有趣的特性,例如随着时间的推移,Ne - CVPRExtraNeRF: 带扩散模型的神经辐射场可见性感知视图外推
我们提出了 ExtraNeRF,一种用于推断神经辐射场(NeRF)视角范围的新方法。我们的主要思想是利用 NeRF 模型场景特定的细节,同时利用扩散模型推断我们观察数据之外的区域。关键是通过跟踪可见性来确定没有被观察到的场景部分,并且使用扩 - IllumiNeRF: 无需逆渲染的 3D 照明
通过使用图像扩散模型对输入图像进行重新照明,并利用这些重新照明的图像重建神经辐射场(NeRF),我们提出了一种更简单的方法来实现利用目标光照下的新视点渲染的三维表示,并在多个重新照明基准测试中取得了最新的结果。
- GTR:通过几何和纹理细化改进大型三维重建模型
我们提出了一种新的方法,从多视角图像中进行 3D 网格重建。我们的方法借鉴了像 LRM 这样的大型重建模型,使用了基于 Transformer 的三面体生成器和在多视角图像上进行训练的神经辐射场(NeRF)模型。然而,在我们的方法中,我们引 - 基于即时 NGP 的 NeRF 可以压缩到什么程度?
我们介绍了一种基于上下文的 NeRF 压缩 (CNC) 框架,利用高效的上下文模型提供储存友好的 NeRF 表示。我们通过挖掘层级和维度上的上下文依赖以减少信息熵,同时利用哈希碰撞和占用栅格作为强先验知识进行更好的上下文建模,实现了对 Sy - Dream-in-Style: 使用风格化得分蒸馏的文本到 3D 生成
通过输入文本和风格参考图像,我们提出了一种生成风格化的三维对象的方法,利用神经辐射场重建来合成与文本提示一致内容和风格参考图像的三维模型,并通过样式化评分蒸馏损失来指导文本到三维的优化过程,输出视觉合理的几何和外观。经与现有方法的比较表明我 - 基于超公度特征场的视图一致的分层三维分割
通过使用 Neural Radiance Field 中的新颖特征场,本研究提出了一种将多粒度、视角不一致的图像分割转化为层次化、3D 一致的表示的方法。通过在不同距离阈值下观察特征距离,可以揭示不同尺度下的分段结构。将视角不一致的多粒度 - F-3DGS: 三维高斯点云投影的分解坐标和表示
通过矩阵和张量分解技术,我们提出了一种新方法,即因式化三维高斯粒子点描(F-3DGS),通过高效的因式化,大大减少了存储需求,同时保持了渲染图像的质量。
- JointRF:动态神经辐射场表示与压缩的端到端联合优化
我们提出了一种新的端到端联合优化方案,名为 JointRF,用于动态 NeRF 的表示和压缩,通过使用紧凑的残余特征网格和系数特征网格来处理大运动,同时减少时间冗余,并引入一个时空冗余压缩子网络以进一步减少时空冗余。大量实验证明,Joint - 利用神经辐射场进行未知空间物体姿态估计的接近操作
通过使用神经辐射场(NeRF)方法和离散图像集合,本研究提出了一种新的方法来在未知目标中估计航天器的 6D 姿态,实现了在未知目标上应用已知目标 CAD 模型的现有航天器姿态估计器,从而实现了自主汇合与接近操作。
- 动态 NeRF:综述
Neural Radiance Field 是一种新颖的隐式方法,用于高分辨率的三维重建和表示;动态 NeRF 是更实际和实用的研究方向,具有更多潜力。
- NeRFFaceSpeech:一次性音频驱动的 3D 说话头合成基于生成先验
使用 NeRF 和生成模型的先验知识,提出了一种名为 NeRFFaceSpeech 的新方法,通过空间同步和补全缺失信息,实现了从单一图像生成具有增强的 3D 一致性的语音驱动的说话头部。
- DistGrid:具有分布式多分辨率哈希网格的可扩展场景重建
基于多分辨率哈希格方法的可扩展场景重建方法,通过划分大型场景、消除背景 NeRF,并利用分割体积渲染方法处理跨边界射线,实现了更高质量、更可扩展的场景重建。
- TK-Planes: 高维特征向量下的分层 K-Planes 用于动态无人机场景
本论文提出了一种新的方法来缩小合成数据和实际世界数据之间的领域差距,用于无人机感知。我们的方法适用于包含移动物体或人类动作的动态场景,旨在识别姿势或行为。我们扩展了 K-Planes 神经辐射场(NeRF),通过存储一组分层特征向量来有效建 - 机器人中的 NeRF:一项综述
我们的调查分为两个主要部分:Neural Radiance Field 在机器人领域的应用和 Neural Radiance Field 在机器人领域的进展,从 Neural Radiance Field 进入机器人领域的角度。在第一部分中 - CT-NeRF:复杂轨迹下的逐步优化神经辐射场与姿态
CT-NeRF 是一种仅使用 RGB 图像而不需要姿态和深度信息的增量重建优化管道,通过本地 - 全局捆绑调整和重投影几何图像距离约束,实现对相机姿态和场景结构的恢复,能够处理具有复杂轨迹的场景,并在新视角合成和姿态估计准确度方面优于现有方