- 野外语义感知遮挡过滤神经辐射场
通过使用语义信息并在少量的图片上建立 occlusion filtering module，我们提出了一个学习框架来重建神经场景表征并演示了其在 Phototourism 数据集上在 few-shot 场景下优于最先进的 novel vie - K 平面：空间、时间和外观中的明确辐射场
引入了 k-planes，它是一种在任意维度的辐射场中的白盒模型。 使用 d 选择 2 个平面来表示 d 维场景，提供了一种无缝地从静态（d=3）到动态（d=4）场景的方法。我们使用具有学习的颜色基础的线性特征解码器，该解码器产生与非线性黑 - CVPR可交互辐射场分割
本文提出了 ISRF 方法，该方法可以与尝试从 RF 中分割复杂对象的先前分割方法相比，交互性地分割带有细微结构和外观的对象，并可用于新视图合成、多个场景中的对象分割等应用。
- 具有模型先验的一次性隐式可动画化人形头像
ELICIT 是一种基于 3D 几何和视觉语义先验的模型，借助于 CLIP 模型以及基于分割的采样策略，可以从单张图片中生成逼真的、可动画的 3D 人体模型。
- CVPRLevel-S$^2$fM: 基于神经隐式面积边界的运动结构恢复
本文提出了一种神经增量结构运动（SfM）方法 Level-S $ ^ 2 $ fM，通过从建立的关键点对应关系中学习坐标 MLPs 来估计相机姿态和场景几何。
- GAUDI：用于沉浸式 3D 场景生成的神经结构设计师
GAUDI 是一种生成模型，能够捕捉到复杂、逼真的三维场景的分布，并能够实时渲染出来。它以一种可扩展但强大的方式解决了这个具有挑战性的问题，首先优化了一个潜在表示，将辐射场和摄像机姿态进行了解耦。然后利用这个潜在表示来学习一个生成模型，使得 - ECCV用笼子变形辐射场
本文提出了一种基于三角网格和笼状变形的方法，实现了光度场的自由形变，从而实现了可操纵和渲染的 3D 场景。
- 生成式神经关节辐射场
提出使用 3D GAN 框架对人体或脸部特征进行辐射场生成，通过显式变形场将其变形为期望的姿势或表情，并展示了编辑生成体或脸部特征时显式变形训练过程在提高其质量方面的显著优势。
- ReLU 领域：小而强劲的非线性
通过对栅格化表示的最小更改，引入固定非线性 (ReLU)，结合更粗到更细的优化，快速重建、渲染，并在辐射场和占据场上进行比较，该方法在保留 MLP 高保真结果的同时实现了 MLPs 速度的变化。
- CVPR人形化建模的结构局部辐射场
使用基于神经场景渲染技术的新型表示方法，将结构化本地辐射场锚定到人体模板节点上，将服装变形分解为骨架运动、节点残差翻译和每个辐射场内的动态细节变化，支持各种服装类型的自动构建可动画人形化身，并在新姿势下生成真实的动态细节图像。
- TensoRF: 张量辐射场
TensoRF 采用 4D 张量模型和基于 CP 分解和 VM 分解等技术去重构辐射场，实验结果表明在提高渲染质量的同时保持较小模型大小和更短的重构时间。
- TöRF：用于动态场景视图合成的飞行时间辐射场
本研究提出了一种基于连续波 ToF 相机的神经表征模型，改进了动态场景的重建质量及鲁棒性，讨论了将 RGB+ToF 传感器集成到现代智能手机上的益处和局限性。
- CVPR基于神经光线的遮挡感知图像渲染
提出了一种名为 NeuRay 的新型神经表征方法，采用其对新视角综合进行了建模，并通过预测输入视图中可见的点的可见性及自适应损失函数的应用，在实现对无先前场景图像的泛化的同时实现了图像渲染的优化。
- NeRF-VAE：几何感知的 3D 场景生成模型
NeRF-VAE 是一种 3D 场景生成模型，通过使用 NeRF 和可微分体积渲染结构，将几何结构纳入考虑，利用摊销推理，无需重新训练便能推断新型场景的结构，采用显式的 3D 渲染过程与缺乏几何结构的卷积模型形成对比，它是一种 VAE 学习 - 使用局部条件光辐射场进行无约束场景生成
本文介绍了一种名为 GSN (Generative Scene Networks) 的生成式场景网络，通过学习将复杂室内场景分解成许多局部辐射场并能够从任意视点渲染，同时具有生成新场景和完成仅有稀疏 2D 观察的场景的能力，并能够更好地表示 - MVSNeRF：多视角立体下的快速通用辐射场重建
提出了 MVSNeRF，这是一种新颖的神经渲染方法，可以通过快速网络推理从仅三个附近输入视图重建辐射场，利用平面扫描代价体进行几何感知场景推理，并将其与基于物理的体积渲染相结合，能够横跨场景（甚至是室内场景）泛化，并仅使用三个输入图像生成逼 - GRAF: 用于三维感知图像合成的生成辐射场
本文提出了一种基于放射场的生成模型，该模型具有高保真度的可渲染三维一致模型，能够更准确地控制相机视点和物体姿态，并通过一个多尺度基于补丁的鉴别器来演示高分辨率图像的合成。