- StyleGaussian：高斯喷点实时三维风格迁移
我们介绍了一种新的 3D 风格转移技术 StyleGaussian，它能够以每秒 10 帧的速度将任何图像的风格转移到 3D 场景中。通过利用 3D 高斯分布，StyleGaussian 在不损害实时渲染能力和多视图一致性的基础上实现了风格 - CVPR3DGStream: 用于高效流式传输逼真的自由视点视频的 3D 高斯模型的即时训练
3DGStream 是一种用于实时流式传输现实世界动态场景的方法，通过使用 3D 高斯（3DGs）表示场景，并利用紧凑的神经转换缓存（NTC）来建模 3DGs 的平移和旋转，从而实现了每帧 12 秒内的快速即时重建和 200 FPS 的实时 - CVPRVastGaussian：大场景重建的巨大 3D 高斯
VastGaussian 是基于 3D 高斯平面分割的大型场景重建和实时渲染的首个方法，通过渐进的分割策略和外观建模的优化过程，在多个大型场景数据集上实现了超出现有 NeRF 方法的最新成果，实现了快速优化和高保真实时渲染。
- 使用聚类识别不必要的 3D 高斯函数，实现快速渲染 3D 高斯飞溅
通过离线聚类和在线投影，提出了一种用于实时渲染的计算减少技术，能够快速识别不必要的 3D 高斯，并通过高效的硬件架构实现 10.7 倍的加速，并在不损失峰值信噪比（PSNR）的情况下，减少了近 38.3% 的渲染计算量。
- EndoGaussian：用于可变形外科手术场景重建的高斯光栅
通过使用 3D 高斯泼洒方法，我们引入了实时外科手术场景重建框架 EndoGaussian，能够在现实时间内实现手术场景的重建，实现了很大的渲染加速，同时在保持最新的重建质量和最快的训练速度方面表现出显著的优势。
- 从单视角视频快速动态生成三维物体
提出了一种高效的视频到 4D 对象生成框架 Efficient4D，能够在连续的摄像机轨迹下实时渲染高质量的时空一致图像，通过直接训练具有明确点云几何结构的新颖 4D 高斯涂层模型，大大提升了速度，同时保持创新视角合成质量。
- 去模糊的三维高斯渲染
我们提出了一种新颖的实时去模糊框架，利用小型多层感知机（MLP）操纵每个 3D 高斯的协方差来建模场景的模糊程度，从模糊的图像中重构出细节清晰的图像，实现实时渲染。
- 实时动态视角合成的时空高斯特征喷洒
提出了一种新的动态场景视图合成方法，通过引入时间、运动和旋转参数增强了三维高斯函数，使用神经特征进行渲染，同时在具有挑战性的区域中利用训练误差和粗略深度进行高分辨率、实时渲染，并保持紧凑存储。
- 城市在网络上：实时神经渲染大规模场景
我们提出了一种称为 City-on-Web 的方法，通过将整个场景划分为可管理的区块，并采用适当的细节级别，以确保高保真度、高效的内存管理和快速渲染，实现了对大规模场景的实时渲染在资源受限环境下的第一次尝试。我们的实验结果表明，我们的方法在 - Human101：从 1 个视角在 100 秒内训练 100+FPS 的人类高斯分布模型
用 3D 高斯分布的先进技术在短时间内实现高保真度的动态 3D 人体重建，并提供实时渲染和交互能力。
- 实时动态手部重建的三维点云投影
我们提出了一种实时且真实感十足的手部重建方法，称为 3D Points Splatting Hand Reconstruction（3D-PSHR）。我们通过自适应规范点上采样策略实现了高分辨率的手部几何表示，同时提出了一种自适应变形方法， - MixRT：混合神经表示用于实时 NeRF 渲染
通过提出了 MixRT，一种包含低质量网格、视角依赖位移图和压缩 NeRF 模型的新型 NeRF 表示方法，有效利用现有图形硬件的能力，在边缘设备上实现了实时 NeRF 渲染，速度快（MacBook M1 Pro 笔记本分辨率 1280 x - pixelSplat: 基于图像对的 3D 高斯扩散颗粒的可扩展通用 3D 重建
我们介绍了 pixelSplat，这是一个前馈模型，可以从图像对中学习重建由 3D 高斯基元参数化的 3D 辐射场。我们的模型具有实时和内存高效的渲染，可进行可扩展训练和快速 3D 重建。为了克服稀疏和局部表示固有的局部最小值问题，我们预测 - AAAI实时渲染的低延迟时空超采样
该论文通过将帧超采样和外推方法整合到一个统一的框架中，提出了一种新颖的空时超采样方法（Space-time Supersampling），能够在较低的延迟下提高整体质量。经过广泛实验证明，该方法在视觉保真度方面优于最先进的方法，而且性能仅需 - 稀疏 RGB 相机实时自由视点渲染的全息传输人物
我们提出了第一种方法，可以实时以前所未有的 4K 分辨率渲染穿着常规服装的人体演员的极其逼真的自由视点视频。
- ASH：适用于高效和逼真人体渲染的可动态调整的高斯散射体
提议了 ASH 方法，一种用于实时渲染动态人物的可控逼真的动画高斯样本化方法，相比其他现有的实时方法，在姿势可控的人物形象方面表现出色，与离线方法相比表现相当甚至更好。
- 高效加速的轻量级编码的三维高斯模型
使用量化嵌入技术和粗到精的训练策略，大幅降低内存存储需求，实现了高分辨率场景的实时渲染和更快更稳定的高斯点云优化，减少了记忆存储量并保持重建质量，验证表明效果显著。
- 高斯流：动态 3D 高斯粒子进行 4D 重建
我们引入了高斯流（Gaussian-Flow），一种用于从多视图和单目视频中快速动态场景重建和实时渲染的新型基于点的方法。与以往基于 NeRF 的方法不同，这种方法利用了最新的基于点的 3D 高斯喷洒（3DGS）技术，通过引入新颖的双域变形 - HeadGaS: 三维高斯散点实时可动头部化身
提出了使用三维高斯斑点（3DGS）进行三维头部重建和动画的 HeadGaS 模型，其利用可学习的潜在特征扩展了 3DGS 的显式表示，并与参数化头部模型的低维参数线性融合，实现表情相关最终颜色和不透明度值。实验证明，HeadGaS 在实时推 - GauHuman: 单目人体视频的关节高斯粒子渲染
GauHuman 是一个 3D 人体模型，通过高斯飞溅实现快速训练（1 ~ 2 分钟）和实时渲染（最高 189 FPS），与现有的基于 NeRF 的隐式表示建模框架相比，后者需要几个小时的训练和每帧几秒钟的渲染。