- CVPR多层级神经场景图用于动态城市环境
我们提出了一种适用于动态城市环境的新颖分解辐射场方法，通过多级神经场景图表示来估计大规模动态区域的辐射场，并采用快速复合光线采样和渲染技术进行有效的训练和渲染，通过新的视图合成基准测试，我们证明了该方法在更多方面的性能优于先前的方法。
- 高斯霜冻：具有实时渲染的可编辑的复杂辐射场
提出了高质量实时渲染和编辑复杂三维效果的新型基于网格的表示方法，称为高斯糖衣，通过提取基础网格并在其周围构建和优化适应性高斯层，以更好地捕捉表面附近的细节和体积效果，并在编辑和动画化网格时自动调整参数，展示了该方法在各种情景中的有效性。
- RadSplat: 用于鲁棒实时渲染的辐射场引导高斯涂抹，每秒 900 + 帧
本研究提出了一种名为 RadSplat 的轻量级方法，用于复杂场景的鲁棒实时渲染。该方法通过使用辐射场作为先验和监督信号来优化基于点的场景表示，提高了渲染质量和鲁棒优化。同时，我们开发了一种新颖的剪枝技术，减少了点的数量且保持高质量，使场景 - AAAIGSN: 神经辐射场的通用分割
将语义特征场转化为广义 GNT 表示，实现对未知场景的实时多视角分割。
- NViST：使用 Transformers 从单张图像中合成真实环境新视角
我们提出了一种基于 transformer 的模型 NViST，用于从单张图像中合成新视角，该模型在具有复杂背景的大规模野外图像数据集上进行训练。
- Strivec：稀疏三向量辐射场
提出了一种名为 Strivec 的新型神经表示方法，将 3D 场景建模为稀疏分布且紧凑分解的局部张量特征网格辐射场，并使用 CANDECOMP/PARAFAC（CP）分解和多尺度张量网格来实现对几何和外观的发现与利用，优于之前的方法并使用更 - 具有阴影指导的 NeRF 合成
本文提出了一种叫做 NeRF 综合的新任务，利用 NeRF 补丁范例的结构内容构建大尺寸的新辐射场，我们提出了一种两阶段的方法来综合新场景，控制场景的照明效果采用阴影指导而不是分离场景，我们表明了我们的方法可以生成高质量的结果，对曲面上的新 - 透过你的眼睛看世界
本文提出了一种使用人类眼睛的反射信息进行场景重建的方法，通过联合优化角膜姿态、辐射度场和观察者眼睛的虹膜纹理，以及使用简单正则化先验提高重建质量，实现了通过眼睛反射恢复 3D 场景的可行性。
- 低频色彩先验评估辐射场的几何
本文提出了一种新的度量标准 IMRC，它可以利用观察图像对几何形状进行评估，通过逼近低频球谐和计算逆平均残差色。实验结果表明，该度量标准在评估几何形状方面非常有效。同时，我们以 IMRC 为基准对多种先进方法进行了测试，促进了未来相关研究的 - ARF: 艺术辐射场
该论文提出了一种将任意风格图像的艺术特征传输到 3D 场景中的方法，采用了更为鲁棒的辐射场表示进行运算并通过最近邻法进行损失计算，同时采用一种新的延迟反向传播方法进行内存密集的辐射场优化，改善了以往的技术。
- CVPR基于点的神经辐射场模型：Point-NeRF
该论文介绍了一种新的基于神经网络点云的辐射场模型 ——Point-NeRF，它结合了 NeRF 和深度多视图立体成像两种方法的优点，可用于高质量的视图合成和快速的场景几何重建。Point-NeRF 可以通过射线行走的渲染管道有效地渲染神经点 - CVPRHDR-NeRF：高动态范围神经辐射场
本研究提出了高动态范围神经辐射场 (HDR-NeRF)，通过模拟图像物理成像过程中的亮度场和色调映射器等关键参数，实现了在不同曝光条件下生成新的高动态范围和低动态范围图像。实验结果表明，该方法不仅能准确控制合成视图的曝光，还能渲染出具有高动 - DoubleField: 利用神经表面和辐射场实现高保真度人体重建和渲染
介绍了一种新的 DoubleField 框架，将表面场与辐射场相结合，采用共享特征嵌入和表面引导采样策略进行关联，并引入视图转换器来直接从高分辨率输入中融合多视图特征和学习视图相关特征。DoubleField 具有出色的建模能力和视图转换器 - ShaRF: 单视角形状有条件的辐射场
本文介绍了一种基于神经网络的方法来从单张图片中估计物体的 3D 形状和外观，将其分解成形状和外观两个隐变量，通过优化这两个变量和网络参数，可以精准地还原输入物体，并能够处理训练领域之外的真实图像。
- ICCVGRF：学习通用辐射场进行三维表示与渲染
这篇研究论文提出了一种新型神经网络，可以从 2D 观察中隐式地表示和渲染 3D 物体和场景，通过将 2D 图像中的像素特征投影到 3D 点上，并使用聚合策略来考虑视觉遮挡，生成高质量逼真的新视角。