- 应用有限资源的高质量辐射场调节 3D 图形引擎
通过在有限预算内进行训练和渲染，提出了一种改进的 3D 高斯粉碎（3DGS）模型，实现了较快速、高质量的新视图合成，并减少了模型大小和训练时间。
- PGSR: 基于平面的高斯点云着色用于高效和高保真度的表面重建
通过引入基于平面的高斯点云猜测（PGSR）方法，本研究旨在实现高保真度的表面重建和高质量的渲染，以解决基于 3D 高斯斑点（3DGS）的重构方法中普遍存在的质量问题。实验结果表明，与基于 3DGS 和 NeRF 的方法相比，我们的方法在快速 - 位到光子：直接渲染的端到端学习可扩展点云压缩
我们提出了一种点云压缩方案，通过生成可直接解码为可渲染的 3D 高斯图像的比特流来解决从有损压缩的点云中解码和渲染高质量图像的问题。该方案显著提高了渲染质量，同时大幅度降低了解码和渲染时间，相比现有的点云压缩方法。此外，该方案生成可扩展的比 - ICML超点高斯飞溅实时高保真动态场景重建
提出了一种名为 Superpoint Gaussian Splatting（SP-GS）的新框架，该框架通过使用显式的 3D 高斯函数来重构场景，并将具有相似属性的高斯函数聚类成超点，从而实现了对动态场景的实时渲染，获得了最新的视觉质量。
- Mani-GS: 三角网格的高斯飞溅操作
利用三角形网格直接操纵三维高斯喷洒，实现可操作的逼真渲染，并通过三角形形状感知的高斯绑定和自适应方法，实现三维高斯喷洒的操纵和保持高保真渲染。
- F-3DGS: 三维高斯点云投影的分解坐标和表示
通过矩阵和张量分解技术，我们提出了一种新方法，即因式化三维高斯粒子点描（F-3DGS），通过高效的因式化，大大减少了存储需求，同时保持了渲染图像的质量。
- MaPa：基于文本的用于 3D 形状的逼真材质绘制
本文旨在通过文本描述生成 3D 网格材料。与现有方法合成纹理图不同，我们提出生成分段逐步建模材料图作为外观表示，支持高质量渲染并提供灵活的编辑。我们的方法通过预训练的 2D 扩散模型作为文本和材料图之间的桥梁，而不是依赖于大量的成对数据训练 - InFusion: 基于扩散先验学习深度完成的三维高斯填充
通过使用图像条件的深度完成模型引导点的初始化，本研究提出了一种名为 InFusion 的方法，它能够更准确地补全 3D 高斯空间中的点，从而在各种复杂情况下提供更好的保真度和效率。
- ViFu: 通过可见部分融合实现带干净背景的多个 360° 物体重建
我们提出了一种方法，可以从不同时间戳的场景观察中分割和恢复静态、干净的背景以及多个 360° 对象。我们通过观察相同对象在不同排列下的情况，将多场景融合任务分解为两个主要组成部分：对象 / 背景分割与对齐，以及辐射场融合。实验结果证明了我们 - PhysAvatar：从视觉观察中学习装束的 3D 化身的物理学
采用逆渲染和逆物理学相结合的方法，PhysAvatar 能够建立逼真的数字人物模型，特别是穿着松散的衣物并能在未见过的动作和光照条件下生成高质量的新视角渲染效果。
- INPC：用于辐射场渲染的隐式神经点云
我们介绍了一种新的方法，用于无界现实世界场景的重建和新视角合成。与以前使用体积场、基于网格的模型或离散点云代理的方法不同，我们提出了一种混合场景表示，它在连续的八叉树概率场和多分辨率哈希网格中隐式编码点云。通过这样做，我们结合了两个世界的优 - GaussianObject: 只需四张图像，使用高斯喷洒获得高质量三维物体
从稀疏视图中重建和渲染 3D 物体是促进 3D 视觉技术应用和提高用户体验的关键。本文提出了 GaussianObject 框架，通过高斯散射达到高质量渲染，仅需 4 张输入图像，解决了构建多视角一致性和补充遗漏物体信息的困难，同时在多个数 - 带光照的物体：用于评估物体重建与渲染的真实世界数据集
通过构建真实世界数据集，本文介绍了用于测量物体重建和渲染以实现换灯效果的方法，通过在多个环境中捕捉环境光照和真实图像，可以从一个环境中的图像重建物体，并对未见过的照明环境对渲染视图的质量进行定量分析，并通过对比基线方法和最新方法的测试结果， - Wild2Avatar: 遮挡背后的人类渲染
通过 Wild2Avatar，在遮挡的自然单目视频中呈现出移动人物的视觉外观，该方法通过将场景分解为遮挡、人物和背景三个部分，设计广泛的客观函数以帮助实现人物与遮挡和背景的解耦，并确保人体模型的完整性，通过在自然环境下进行实验证明了该方法的 - 高斯 - SLAM：基于高斯投射的高清稠密 SLAM
我们提出了一种新的稠密同时定位与建图（SLAM）方法，该方法使用高斯斑点作为场景表示。该新的表示方法能够实时重建和真实渲染真实世界和合成场景，并通过提出新的策略来扩展高斯斑点的应用，使其从多视角离线场景扩展到顺序单色 RGBD 输入数据的设 - HiFi4G：高保真人体运动渲染优化紧凑高斯图像拼接技术
使用 HiFi4G，基于高斯的方法从密集镜头中呈现高保真度的人体表现，结合了非刚性跟踪和 3D 高斯表示，通过双图机制和 4D 高斯优化方案实现了高效的优化速度、渲染质量和存储开销。
- 高斯头像：动态混合神经场的令人印象深刻的基于高斯的 3D 头像
基于 3D 高斯原理，我们提出了一个名为 GaussianHead 的头像算法，它在头部几何和三面平面的因素对齐变换有效消除了固定映射引入的偏见，使得在自重建、新视图合成和跨身份再现等任务中获得了最佳的可视效果，并保持高渲染效率（每帧 0. - 一致网格扩散
通过使用一种新颖的方法，我们对给定的带有 UV 参数化的 3D 网格生成纹理，并使用单一的深度对图像扩散网络在 3D 表面上呈现一致的纹理，通过统一多个 2D 图像的扩散路径并通过 MultiDiffusion 技术将其提升为 3D。我们使 - Compact3D: 压缩高斯散射辐射场模型与矢量量化
用基于 k-means 算法的简单向量量化方法和类似于游程编码的方法来减少 3D 高斯雨滴方法的存储成本，并在质量下降很小的情况下减少存储成本近 20 倍。
- 高斯壳图在高效 3D 人体生成中的应用
使用高斯壳图作为框架，结合最新的 3D 高斯渲染基元与先进的生成器网络结构，我们提出了一种有效地生成 3D 数字人的方法，既能够用于 GAN 训练中，也能够在推理时将身体变形为任意预定义姿势，并实现高质量的多视图一致渲染。