- ASSR-NeRF: 在体素网格上实现任意尺度超分辨率以高质量重建辐射场
提出了一种名为 Arbitrary-Scale Super-Resolution NeRF (ASSR-NeRF) 的新型框架,通过使用 VoxelGridSR 模型在优化的体积上直接进行 3D 超分辨率 (SR) 操作,从而实现超分辨率新 - CVPRMultiDiff: 从单幅图像实现一致的新视角合成
提出了 MultiDiff 方法,它是一种用于从单个 RGB 图像一致地合成新视角的新方法,通过引入单目深度预测器和视频扩散模型作为强先验条件,实现了高质量和多视角一致的结果。
- 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。
- 减少 3D 高斯喷洒的内存占用
通过对 3D 高斯散射方法进行内存优化以减少存储和传输需求,提出了使用高斯基元、球面谐波系数和编码簿量化的解决方案,从而在标准数据集上实现了 27 的整体大小减少和 1.7 的渲染速度加快。
- 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)
- 用于实时渲染超大数据集的分层三维高斯表示
通过使用层次结构的三维高斯,本研究提出了一种在非常大的场景中保持视觉质量的方法,同时提供了有效的远程内容的适当级别选择和平滑过渡的有效细节解决方案。
- PUP 3D-GS: 三维高斯分片的原则性不确定性修剪
本论文提出了一种基于预训练的 3D 高斯扩散(3D-GS)模型的减枝和优化管道,利用精确的空间敏感度准则,大幅削减高斯分布数量,极大地提升了渲染速度并保持了前景信息和图像质量。
- D-NPC: 动态神经点云用于从单目视频进行非刚性视图合成
该研究论文介绍了一种从单目视频中进行动态新视图合成的新方法,通过将场景表示为动态神经点云,利用数据驱动的先验信息和快速可微分光栅化器和神经渲染网络,实现高质量的合成图像。
- 建模环境场景动态以进行自由视角合成
我们介绍了一种新颖的方法,可以从单目捕捉中进行动态自由视图合成,为观看体验带来沉浸感。我们的方法基于对复杂静态场景进行忠实重建的 3D 高斯点插值(3DGS)的最新进展。通过利用环境动力学的周期性来学习运动轨迹模型,并结合谨慎的正则化来克服 - 从混沌到清晰:黑暗中的 3DGS
通过自我监督学习的新框架,我们能够在有限的噪声原始图像数量下,从原始图像中重建高动态范围(HDR)3DGS,克服了噪声的影响,提高了重建质量和推断速度。
- RefGaussian: 解开真实渲染中的三维高斯点云分层中的反射
通过提出的 RefGaussian 方法,可以从 3D-GS 中解离出反射,以更真实地建模反射。实验证明,我们的方法在新视角合成和准确深度估计方面取得了优越的结果,同时支持场景编辑应用,确保高质量的结果和物理一致性。
- 粗细张量列进行紧凑视觉表示
我们提出了一种名为 'Prolongation Upsampling Tensor Train (PuTT)' 的新方法,通过延长学习到的张量列车表示来学习压缩、去噪和图像完整性能力,得到了比现有方法更好的性能。
- Flash3D:来自单幅图像的前馈式通用三维场景重建
提出了一种名为 Flash3D 的方法,用于从单个图像进行场景重建和新视角合成,具有很强的通用性和高效性。该方法基于基本模型进行深度估计,并使用高斯分层预测场景的 3D 形状和外观,利用高斯散点处理进行扩展。该方法训练效率高,在 RealE - WE-GS: 无约束照片集的野外高效 3D 高斯表示
基于 3D 高斯扩散的新视角合成方法在各种场景下表现出了良好的性能,本文提出了一种高效的基于点的可微渲染框架,用于从照片集合中重建场景,通过引入基于残差的球谐系数传输模块,将 3D 高斯扩散方法适应于不同的光照条件和光度后处理,同时引入了一 - 移动设备上的高效神经光场
该研究论文介绍了一种新型网络结构,通过通道结构剪枝的压缩技术,可以在移动设备上高效运行,对于新颖视图合成、神经辐射场、神经光场和移动设备都具有重要的研究意义。
- 深度监督稀疏视角 3D 高斯下的不确定性导向最优输运
3D 高斯 splatting 在实时新视图合成中表现出令人印象深刻的性能。本论文提出了一种新颖的方法,利用具有集成不确定性估计的深度先验来监督 3D 高斯分布,以解决稀疏输入视图的挑战,并集成了一个基于补丁的最优运输策略来补充传统 L2 - IReNe: 神经辐射场中的即时染色
通过在预先训练的 NERF 模型和单一训练图像中实时调整网络参数,IReNe 能够快速、准确地调整颜色编辑,同时控制物体边界和视图效果,从而实现了在 NERF 中近实时的颜色编辑和物体控制。
- 单视角三维重建中,一个像素价值高于三个 3D 高斯函数
从单视图图像中学习 3D 场景表示是计算机视觉中长期存在的一个基本问题,具有从输入视图预测未见内容的固有模糊性。本文提出了一种分层 Splatter 图像方法,通过一种像素由一个父 3D 高斯和少量的子 3D 高斯来表示,解决了典型 Spl - EvaGaussians:基于事件流辅助的高斯光照散焦模糊图像处理
使用事件相机辅助高斯投射方法 (EvaGaussians) 对模糊图像进行清晰重建,通过优化 3D-GS 参数和恢复相机运动轨迹,产生高保真度的新视图。
- LP-3DGS: 学习剪枝 3D 高斯点渲染
通过学习去除迭代 3D 高斯投射法(LP-3DGS)提供了一种自动寻找最佳裁剪比例的方法,该方法使用可训练的二进制掩码来对重要性分数进行裁剪,并通过重新设计掩码函数以利用 Gumbel-Sigmoid 方法使其可微分并与现有的 3D 高斯投