- 修剪肥胖：通过修剪压缩 3D 高斯点云
本研究提出了一种名为 “修剪多余信息” 的后续渐进剪枝技术，旨在解决 3D 模型的内存和计算可扩展性问题，并通过实验证明，在保持或提高基准性能的同时，可以消除高达 75% 的高斯函数。我们的方法在压缩率达到 50 倍的同时，能够加快计算速度 - NerfBaselines：新视角综合方法的一致可重现评估
针对新颖视角合成的问题，我们提出了一个名为 NerfBaselines 的框架来解决评估方法不一致、安装困难以及难以推广到新颖三维场景等问题，并通过实验证实了该框架的可行性。
- 众包 NeRF：从生产车辆中收集数据进行 3D 街景重建
借助大规模众包数据的神经光辐射场（NeRF）重建框架，解决了大规模重建中的数据获取问题，并利用这些数据训练 NeRF 模型生成高质量的 3D 场景。
- MM移动设备上实时神经体渲染的研究
Neural Radiance Fields (NeRF) is a real-time rendering technique for synthesizing 3D objects from 2D images, with a focu - 基于事件驱动束调整的去模糊神经辐射场
提出了用于去模糊的神经光辐射场（NeRF）的事件驱动捆绑调整方法（EBAD-NeRF），该方法通过利用混合事件 - RGB 数据来联合优化可学习的姿势和 NeRF 参数，引入了强化相机运动模糊的强度变化度量事件损失和光度模糊损失，实验证明 - 频率 Mip-AA：抗锯齿神经辐射场的频率 Mip 表示
利用基于网格的表示和频域表示的频谱 MipAA 方法，通过利用尺度特定的低通滤波器（LPF）和可学习的频谱遮罩，在保留重要细节的同时有效消除锯齿因素，以解决 Neural Radiance Fields 在生成 3D 场景和渲染不同相机距离 - 微调隐式函数的不确定建模
利用大规模的无噪声合成数据集作为形状先验来帮助模型填补缺失信息，同时通过引入 Dropsembles 方法进行不确定性估计，我们在神经辐射场、占据网络和符号距离函数等领域进行了一系列实验来验证其有效性，并在低分辨率 MRI 分割中的腰椎案例 - CVPR通过参数插值扩展辐射场的规模
通过将场景分割为分区，并使用部分模型参数，InterNeRF 提出了一种渲染目标视图的新型架构，实现了出核训练和渲染，从而增加了模型容量而只有适度增加训练时间，在多房间场景中取得了显著的改进，在标准基准测试中保持竞争力。
- LLaNA：大型语言与 NeRF 助手
本研究调查了将 NeRF 引入 MLLM 的可行性和有效性，并创建了第一个通用的 NeRF 语言助手 LLaNA，可以执行新任务，如 NeRF 字幕和问答。结果显示，处理 NeRF 权重的方式相对于从 NeRF 中提取 2D 或 3D 表示 - fNeRF：来自实用相机的高质量辐射场
通过修改光线投射模型以利用透镜光学，我们提出了一种改进的模型，并且能够更好地匹配实际摄像机的虚焦模糊行为，特别是在部分遮挡的情况下，从而实现更锐利的重建，将全焦点图像的峰值信噪比在合成和真实数据集上提高了最多 3 dB。
- OpenMaterial: 用于 3D 重建的复杂材料的全面数据集
利用物理基础渲染和实验室测量的折射率，生成高保真度的多视角图像，我们引入 OpenMaterial 数据集，包括 295 种不同材料制成的 1001 个物体，并在 723 种不同的照明条件下采集。OpenMaterial 提供了全面的标注， - ICML神经 NeRF 压缩
该论文提出了一种针对基于网格的 NeRF 模型的效率压缩方法，使用非线性变换编码范式和神经压缩对模型的特征网格进行压缩，引入重要性加权的失真率目标和利用掩蔽机制的稀疏熵模型以利用潜在特征网格的空间不均匀性，实验证明该方法在基于网格的 NeR - OpenObj：具有细粒度理解的开放词汇对象级神经辐射场
通过 OpenObj 方法，在 3D 场景重建方面，有效地建立开放性对象级别的 Neural Radiance Fields，以实现细粒度的理解和零 - shot 语义分割。
- 高效少样本神经渲染的空间退火平滑化
提出了一种名为 SANeRF 的准确高效的小样本神经渲染方法，能够在混合表示架构中提供更好的渲染质量和更快的重建速度。
- CVPR基于不确定性驱动的主动建图的神经可见度场
本文提出神经显性场（NVF），这是一种用于应用于主动映射的神经辐射场（NeRF）的新型不确定性量化方法。通过使用贝叶斯网络将基于位置的场不确定性组合到基于光线的相机观测不确定性中，NVF 自然地将更高的不确定性分配给未观察到的区域，帮助机器 - CVPR多层平面引导的少样本空中景观渲染
在这项研究中，我们介绍了一种专为少量航拍场景渲染量身定制的新方法，即多平面先验引导的神经辐射场模型（MPNeRF）。我们的关键洞察是航拍图像固有的几何规律可以加强稀疏航拍场景的神经辐射场模型。通过研究神经辐射场模型和多平面图像的行为，我们提 - GeoGen：通过带符号距离函数的几何感知生成建模
我们介绍了一种新的生成方法，通过单视图集合合成三维几何和图像。使用神经辐射场的体积渲染预测是目前现有方法的主要限制之一。为了解决这个问题，我们提出了一种基于有向面积函数的三维生成模型 GeoGen，通过学习可改变的转换并将渲染深度图与 SD - CVPRDIRECT-3D: 基于大规模噪声三维数据的直接文本到三维生成学习
DIRECT-3D 是一种基于扩散的三维生成模型，从文本提示中创建高质量的三维资产（由神经辐射场表示）；通过直接在大规模无序三维资产上训练，同时过滤和对齐噪声数据，使用迭代优化的扩散过程估计物体的三维姿势并选择有益数据，并通过两个条件性扩散 - CVPRGear-NeRF：自由视点渲染和动态感知时空采样
Gear-NeRF 使用语义信息和动态对象追踪技术解决了 NeRF 模型在计算资源受限和场景语义理解方面的局限性，实现了逼真的动态场景渲染和新视角追踪。
- 利用高斯光疙瘩从单目视频中进行自校准的 4D 新视图合成
通过学习高保真度的 4D 高斯点云分割场景表征，自校准相机参数，以及联合优化相机参数和 3D 结构，我们的方法在 4D 新视图合成方面展现出了显著的改进。