投稿

[NeRF+Diffusion进展，图片生成3D] 上海交通大学，香港科技大学，微软提出MakeIt3D，使用Diffusion Prior将单图转为3D效果

1.6万

0

2023-04-03 20:58:19

未经作者授权，禁止转载

Make-It-3D: High-Fidelity 3D Creation from A Single Image with Diffusion Prior Junshu Tang(上海交通大学）, Tengfei Wang(香港科技大学）, Bo Zhang（微软研究院）, Ting Zhang（微软研究院）, Ran Yi（上海交通大学）, Lizhuang Ma（上海交通大学）, Dong Chen（微软研究院）项目主页：https://make-it-3d.github.io/ Github主页：https://github.com/junshutang/Make-It-3D In this work, we investigate the problem of creating high-fidelity 3D content from only a single image. This is inherently challenging: it essentially involves estimating the underlying 3D geometry while simultaneously hallucinating unseen textures. To address this challenge, we leverage prior knowledge from a well-trained 2D diffusion model to act as 3D-aware supervision for 3D creation. Our approach, Make-It-3D, employs a two-stage optimization pipeline: the first stage optimizes a neural radiance field by incorporating constraints from the reference image at the frontal view and diffusion prior at novel views; the second stage transforms the coarse model into textured point clouds and further elevates the realism with diffusion prior while leveraging the high-quality textures from the reference image. Extensive experiments demonstrate that our method outperforms prior works by a large margin, resulting in faithful reconstructions and impressive visual quality. Our method presents the first attempt to achieve high-quality 3D creation from a single image for general objects and enables various applications such as text-to-3D creation and texture editing.

科技猎手2023

上海交通大学

微软研究院

香港科技大学

Jason陪你练绝技发消息

NeRF/3DGS & Beyond 微信：jiheng_yang，请注明来自 B 站，谢谢

[NeRF进展，TensoRF+PBR] 浙江大学、UCSD等提出TensoIR，将场景以神经场与密度、法向、光照、材质等信息一起建模，实现高质量建模

01:40

[NeRF进展，few-shot重建，群友工作] UCLA, nVidia提出FreeNeRF，一个关键观察触发了一个极简的优化，使少量视角重建效果大幅度提升

01:06

[NeRF进展，单目视频重建动态人-物-场景] 新加坡国立大学，腾讯等提出HOSNeRF，使用单目视频动态人-物-场景，LPIPS相比SOTA提升40%以上

08:41

[NeRF进展，雾状鬼影消除] 伯克利提出NeRFBusters，使用3D Diffusion模型，对随意捕捉的NeRF去除雾状鬼影

01:32

[NeRF+Diffusion进展，无条件或单视角重建] 同济大学、Apple等提出SSDNeRF，使用单阶段扩散prior生成NeRF，支持无条件或单视角重建

02:01

[NeRF+Diffusion进展] nVidia，多伦多大学等推出NeuralField-LDM，使用神经场和生成模型解决复杂开放世界3D场景的建模和编辑能力

02:08

[NeRF进展，点云重建] 捷克理工大学提出Tetra-NeRF，使用点云为输入，使用四面体和其德劳内表达进行重建，实现更好的重建性能和效果

02:07

[NeRF进展，编辑方向] 三星多伦多AI中心，多伦多大学，约克大学等：SPIn-NeRF，可快快速完成3D Segmentation和Inpainting任务

04:00

[NeRF+Diffusion进展，少量输入重建] CMU提出SparseFusion，在最少两个输入视角情况下，可以完成3D一致性高的高质量重建

06:03

[NeRF进展，渲染质量提升] Google NeRF的几位创始人：Zip-NeRF，解决Mip-NeRF 360锯齿问题，复杂场景渲染提升，训练速度提升22倍

05:11

[NeRF进展，镜头硬件参数校准] 康奈尔大学、Meta提出Neural Lens Modeling，在训练模型时同步优化相机参数，解决光学镜头参数校准问题

00:39

[NeRF进展，动态NeRF编码与串流] 上海科技大学、NeuDim推出ReRF，通过设计辐射场编码Codec，实现FVV长内容低码率编码与实时传输与播控

05:57

[NeRF+Mesh进展，城市场景建模] nVidia，多伦多大学等提出FEGR，结合Mesh，将复杂几何和材质与光照效果分离，实现真实感光照效果，以及场景操控

02:06

[NeRF+Diffusion进展，单图重建3D] 韩国首尔大学提出DITTO-NeRF，使用文字或单图，通过前视角部分3D+迭代扩散填充，生成3D模型

01:02

[NeRF商业化、游戏引擎] Luma AI今天发布了Unreal Engine 5的Windows插件，可在Windows上实时运行，国内赜深数字也在加紧追击

00:41

[NeRF+Diffusion进展，图片生成3D] 上海交通大学，香港科技大学，微软提出MakeIt3D，使用Diffusion Prior将单图转为3D效果

00:49

[NeRF进展，大规模城市场景建模] CMU, Argo AI提出SUDS，构建最大的动态NeRF，可快速重建大规模城市场景，并因分支建模，支持一定后期处理能力

02:45

[NeRF进展，大型城市场景建模] 香港中文大学、浙江大学、马克斯普朗克等发布GridNeRF，高效建模大规模真实感城市3D场景

01:59

[NeRF进展，单视频大规模场景重建] KAIST，台大，Meta等发表Progressive LocalRF，使用单视频重建大规模场景NeRF，提升显著

04:15

[NeRF进展，任意相机路径NeRF快速重建] 香港大学、南洋理工大学、马克斯普朗克等CVPR Highlight：F2NeRF，任意相机路径NeRF快速重建

03:07

[NeRF进展，语义驱动编辑] 浙江大学3DV国家重点实验室联合Google提出SINE，通过语义驱动NeRF编辑，完成多视角高质量、一致性的编辑操作

03:49

[NeRF进展，文本生成3D] Google，Ben、Jonathan提出DreamBooth3D，DreamBooth+DreamFusion，文本生成3D

04:14

[NeRF进展，任意拓扑重建] 腾讯提出NeAT，另一个可用于重建衣物等任意拓扑的工作，NeuralUDF姊妹篇，计算量更低，效果的缺陷更小，代码开源（CVPR

03:29

[扩散+NeRF方向，单图新视角与3D重建] 哥伦比亚大学、丰田研究院提出Zero-1-to-3，使用diffusion模型重建新视角图片，进而实现3D重建

01:14

[NeRF进展，文本编辑NeRF] 创始大神Matthew又一新作Instruct-NeRF2NeRF，使用文本指令进行3D场景的真实感编辑

02:31

[NeRF进展，CLIP加NeRF，支持语言查询] 另一位创世大神Matthew新作提出LERF，在NERF中支持语言查询，ChatGPT将可与3D交互？

01:49

[NeRF进展，交互编辑方向] Inria, 马克斯普郞克学院提出NerfShop，使用基于Cage变形的方法进行物体的交互式选择与编辑，进一步推动实用

04:43

[NeRF进展，单图片成3D内容] 德克萨斯大学奥斯丁分校提出NeuralLift-360，使用单图生成3D物体

01:06

[NeRF进展，动态系统建模，优于D-NeRF] UCLA、MIT、马里兰大学等提出Pac-NeRF，从多视角视频中提取高动态优物体的几何与物理参数信息

01:18

[NeRF进展，严重相机pose错位重建，强于BARF] 西安交通大学、蚂蚁金服、腾讯AI Lab提出L2G-NeRF，使用局部-全局优化相机严重错位重建问题

04:52

[NeRF进展，街景重建方向] 复旦大学提出S-NeRF，将街景重建PSNR提升45%，可以兼顾大规模场景背景与前景移动车辆处理

00:57

[NeRF进展，带纹理的Mesh重建] 北京大学、百度提出NeRF2Mesh，优化现有Mesh重建方法，达到更好的Mesh效果、实时的渲染效果和后期处理能力

01:11

[NeRF又一大神作，实时渲染、NeRF光照、编辑以及物理模拟] 几位google创始大神再发新作BakeSDF，60fps以上实时渲染，并支持编辑与物理模拟

02:24

[NeRF进展，无pose prior的NeRF重建] 牛津大学提出NoPe-NeRF，在没有先验相机pose信息的情况下，优化NeRF和相机姿态（CVPR）

05:03

[NeRF进展，快速人体动态NeRF建模] 浙江大学提出InstantNVR，速度提升100倍以上的快速人体动态NeRF建模方法，CVPR 2023已发布

01:39

[NeRF进展，实时渲染方向，四创始大神新作，必看！] Google Research、蒂宾根大学发布MERF，低内存实时NERF渲染，优于InstantNGP

02:50

[NeRF进展，单图片生成多视角] Apple, UC圣迭戈分校，马普所，宾大发布NerfDiff，使用CDM+NeRF提高生成质量与效果

01:19

[NeRF进展，使用不同场景时期图片重建NeRF] 华盛顿大学、Google Research提出PersonNeRF，灵活使用各场景、时期图片重建人物NeRF

03:48

[NeRF进展，风格化与重着色]东京大学使用一种新的Palette提取方法，使NeRF重着色可达到实时性能，实现NPR效果（EGSR 2022）

14:41

[NeRF进展，文本转3D，20221228发表]腾讯ARC Lab、PCG，上海科技大学等提出Dream3D，使用文本转形状+CLIP，提升文本转3D效果

01:41

[NeRF进展，Avatar实时生成] 苏黎世I联邦理工，普朗克研究所提出InstantAvatar，相比SOTA方法速度提升130倍以上，秒级别训练，实时渲染

03:06

[NeRF进展，单视角3D重建]香港大学、未来智联等联合推出S3-NeRF，挖掘Shading和Shadow信息提升单视角3D重建(NeurIPS 2022)

06:30

[NeRF进展，复杂场景编辑]斯坦福大学、Adobe提出PaletteNeRF，对复杂场景的外观属性进行后期编辑，NeRF向Adobe产品家族整合成为可能

02:55

[NeRF进展，大规模3DSRF数据集与合成模型]KAUST与慕尼黑工业大学Matthias团队提出SPARF数据集和SuRFNet，提升SRF渲染质量与性能

11:00

[NeRF进展，场景天气风格化渲染]UIUC、浙江大学，马里兰大学提出ClimateNeRF，在NeRF场景中融合天气物理渲染，实现真实感天气场景渲染效果

01:50

[NeRF, 复杂场景合成与控制] 香港中文大学、Snapchat、香港科技大学、浙大、UCLA等提出DisCoScene，在复杂场景上合成、编辑和操控物体

03:34

[NeRF开源框架，快速试错]SDFStudio，统一模块化的开源神经隐表面重建框架，快速尝试各种想法，支持UniSurf, VolSDF, NeuS等主要工作

03:09

[NeRF+自动驾驶]浙江大学提出READ，使用神经渲染方法完成大尺度级别的街景场景渲染，合成、缝合、编辑真实感自动驾驶场景（AAAI 2023）

02:07

[NeRF进展，高保真3D Avatar生成]香港科技大学、微软研究院提出Rodin，自动高保真、高细节度生成3D Avatar NeRF模型，数字虚拟人再突破

01:23

[NeRF，场景语义建模与应用]Meta提出SSDNeRF，首个通用NeRF场景语义分割方法，将场景按语议分割建模，让NeRF二次编辑、丰富动画场景变为可能

03:40

[Diffusion+NeRF进展]慕尼黑大学、Meta研究院提出(也许是首次)基于扩散模型的3D辐射场生成方法

03:05

[NeRF进展，Talking Head应用] 清华大学、鉴智机器人提出DFRF，快速小样本生成高真实感、自然的讲话头，可用于数字人等（ECCV 2022）

04:50

[NeRF进展，动画方向] 东京大学在同年同会提出与我国CageNeRF类似的NeRF动画控制方法，同步了解别人的想法（ECCV 2022)

04:56

[NeRF产品应用] 开源的NerfStudio（目前Github star 2600）使用不同设备采集后重建、渲染效果

01:58

[NeRF+强化学习]柏林工业大学、MIT、Google使用NeRF监督强化学习agent的方法，加强自动物体操控能力（NeurIPS 2022）

02:20

[NeRF进展，实时渲染方向]格拉茨科技大学与Meta提出AdaNeRF，通过双网络模型自适应采样实现NeRF的实时渲染（ECCV 2022)

05:10

[NeRF进展]上海交通大学、阿里提出CageNeRF，操纵三维NeRF的自适应笼子方法，让任意NeRF建模物体动起来(NeurIPS 2022)

04:00

[NeRF进展] MoFaNeRF，基于NeRF的面部可变形模型，让面部拟合、生成、面部绑定、面部编辑更容易，效果更好（ECCV 2022）

02:35

[NeRF进展] 神经网络反向渲染的多视角光度立体视觉算法 (ECCV 2022)

04:56

[NeRF进展]：LaTeRF，使用弱标记从图片中获得真实感3D物体表达（ECCV 2022）

03:45

[NeRF，超高清渲染方向]阿里提出4K级别的超高清NeRF训练和渲染方法，在主观和客观质量评价下都取得了很好的效果

00:50

[NeRF，三维风格化效果] NeRF-Art是由香港大学、香港理工大学、Snapchat、USC、微软等联合推出的文本驱动生成的NeRF风格化方法

05:03

[NeRF进展，移动实时渲染方向]Snapchat与东北大学联合推出MobileR2L，在移动设备上实时、低消耗、高质量地渲染NeRF三维场景，移动应用有突破

01:35

[NeRF进展，3D分割] 上海交通大学、华中科技大学、华为提出SA3D，给定一个NeRF，SA3D可以完成目标物体的3D分割

00:52

[NeRF进展，渲染场景语义信息] UIUC, CMU：SSNeRF，在新视角合成同时，可进行语义分割、法向估计、关键点检测等丰富语义信息（WACV 2023）

05:15

[NeRF进展，实时动态、静态6-DoF视频渲染]CMU, Meta等联合推出HyperReel，在低内存消耗下，实现实时的、高质量的、高分辨率的体渲染方法

02:26

[NeRF进展，鲁棒的动态NeRF]Meta，台湾大学、KAIST、马里兰大学提出RoDynRF，联合预测静态、动态和相机姿态焦点信息提升鲁棒性

01:01

[NeRF进展，快速非刚体NeRF数百倍提升]布伦瑞克工业大学，马克思普朗克计算研究所提出MoNeRF，将非刚体NeRF训练时间提升数百倍，渲染质量更好

07:39

[NeRF进展，稀疏输入视角重建]CMU提出GBT，在稀疏图片输入的情况下，使用几何biased Transformer显著提升稀疏图片重建效果

05:57

[NeRF进展，模型任意转换]北航、旷视提出PVD，可以实现任意到任意的模型转化，训练一个NeRF，可以使用框架进行处理（AAAI 2023)

00:48

[NeRF进展，使用事件相机生成高质量NeRF] 马克思普朗克研究院，萨尔大学提出EventNeRF，使用事件相机生成高质量NeRF，低功耗、低数据量、快速重建

09:03

[NeRF进展，重着色方向]香港中文大学提是出RocolorNeRF，提取场景中的颜色层信息，在后期使用调色板对NeRF进行重新着色

02:42

[NeRF进展，避免重建干扰，提升重建效果] Google研究院，多伦多大学，SFU提出RobustNeRF，在场景中有影响效果时，用优化算法达到更好的重建效果

01:47

[NeRF进展，动态3D场景表达]UC伯克利、意大利技术研究院、丹麦技术大学提出KPlane，使用6-plane特征表现4D体数据，HexPlane类似解决方案

01:12

[NeRF进展，动态3D场景表达速度提升100倍] 密西根大学提出HexPlane，一种新的快速的3D动态场景表达方法

01:14

[NeRF进展，2D图片生成3D人体] 南洋理工大学提出EVA3D，通过使用人体的分解NeRF表达，使用2D图片集训练生成高质量3D人体模型

02:43

[NeRF进展，肖像光照] 中科院、北交大、香港城市大学提出NeRFFaceLighting，使用三平面解决人物肖像的3D感知的真实感光照效果，并达到实时处理

02:25

[NeRF进展，鲁棒的动态NeRF] RoDynRF CVPR最终presentation视频，联合预测静态、动态和相机姿态焦点信息，提升动态nerf鲁棒性

07:56

I3D 2023 Papers Session 1 - Neural Rendering and Image Warping

01:26:50

[NeRF报告] Google I3D 2023 Keynote，NeRF落地的两个方向，大场景与实时渲染各自的发展路线和现状，和一些关键问题的看法

47:08

[NeRF进展，文本生成NeRF场景] 香港城市大学、腾讯提出Text2NeRF，一种由文本生成NeRF场景的方法，室内外生成效果都不错

05:09

[NeRF进展，实时流建模] 斯坦福大学提出NeRFBridge，将机器人操作系统ROS与nerfstudio桥接，实时在线流式训练NeRF模型

04:40

[NeRF进展，人脸动画，褶皱渲染] 华沙工业大学、UBC、微软、Google等提出BlendFields，在少量数据下，结合图形学方法，生成细节表情动画

04:24

[NeRF进展，反射折射物体表达] 南开大学提出MS-NeRF，一种针对场景中反射和折射物体表达和渲染的方法，低消耗地提升NeRF模型，对相应场景效果提升显著

01:11

[NeRF进展，3D形状表达] KAUST和TUM发表3DShape2VecNet，面向扩散生成模型的形状神经场表达，对3D形状编码和生成及多个下游任务非常有效

03:57

[NeRF进展，人体运动建模] Synthesia, UCL, TUM：HumanRF，4D动态神经场，通过多视角视频重建全身运动，支持任意视角播放，数据集开源

03:07

[NeRF进展，多视角数据集，群友工作] 香港中文大学：MVImgNet和MVPNet，650万帧238类标记多视角数据集，近9万点云样本，桥接2D到3D视觉

03:21

[NeRF进展，LiDAR新视角生成] ETH, nVidia，多伦多大学提出NFL，融合NeRF渲染能力和LiDAR物理属性，生成真实感的LiDAR神经场表达

01:38

[神经渲染，外观材质生成] nVidia提出可达电影级别的，实时神经外观生成模型，支持各向异性采样和LoD渲染，shader速度相比之前快一个级别，效果极惊艳

05:52

[NeRF进展，高精度人头部动作生成] TUM提出NeRSemble，组合变形场和多分辨率3Dhash编码高精度生成人头运动。同时提供多视角高精度运动数据集

04:48

[NeRF进展，单图实时3D画像] UCSD, nVidia，斯坦福提出LP3D，使用无姿态单图，实时推理和渲染真实感3D表达，合成高质量3D画像

02:30

[NeRF进展，高质量快速训练、1080P实时渲染] INRIA，MPI等推出3D Gaussian Splatting，使用3D高斯表达场景和快速可见感知渲染

05:05

[NeRF进展，自动数据收集] INSA, UCBL, Meta提出AutoNeRF，一种不需要人工干预的自动agent，采集NeRF训练数据，协助完成下游任务

01:50

[NeRF进展，物体相机] MIT与莱斯大学脑洞大开：ORCa，将有光泽的物体转为神经场相机，将反光的不可见场景建模，可以看到物体看到的而不是相机看到的场景

07:42

[SDF进展，哈希+SDF] nVidia, 约翰霍普金斯大学提出Neuralangelo，综合了多分辨率的hash grid和SDF，实现了更好的从RGB视频

06:26

[NeRF+点云，点云渲染] 香港大学、思谋科技提出Point2Pix，一个使用NeRF将点云渲染为真实感图像的方法，并可完成点云inpainting和上采样

06:21

[NeRF进展，单图重建] TUM, MCML和牛津大学提出BTS，一个密度场将输入图像的每个位置映射到体密度上，然后从图片采样颜色，可处理被遮挡区域

07:51

[NeRF进展，泛化神经渲染] 西北工业大学、腾讯AI实验室：LIRF，泛化的神经渲染方法，可以高质量对连续尺度新视角进行体渲染，对未见场景的任意尺度渲染有效

07:22

[NeRF进展，体渲染几何优化] UCSD，Adobe, ETH，蒂宾根大学提出NeuManifold，结合体渲染与流形生成精确网格的高速渲染，与传统管线兼容

03:18

[神经渲染进展，人体与物体合成] 首尔大学、Meta提出NCHO，一种将人体与物体组合，且反应物理接触关系变化的无监督学习模型，支持重新组合与动画效果

05:15

[文本转3D进展] 清华、人大等：ProlificDreamer，使用VSD解决过饱和、过平滑、低多样性问题，SDS是VSD的特殊情况，可应用在NeRF生成场景

01:03

[自动建模，动态3D衣服] 香港中文大学（深圳）、腾讯提出REC-MV，联合优化衣服特征曲线和SDF，提取时域连贯mesh，生成高质量3D衣服动态效果，开源

01:41

[CV进展，动态IBR] Google，康奈尔大学CVPR 2023最佳论文候选：DynIBaR，一个体渲染+图像渲染的框架，体从单目复杂动态场景视频生成新视角

05:54

[CG进展，头颈建模与动画] 上海科技大学、影眸科技提出HACK，将头颈一体化，构建一个高精度、高质量的参数化头颈模型，达到真实感新高度，并支持运动合成t和迁移

02:57

[AIGC&CG进展] 上海科技大学、Deemos提出DreamFace，仅通过文本控制生成个性化的3D人脸，并可以支持人脸老化、化妆或通过视频进行人脸动画控制

04:14

[Diffusion生成NeRF] TUM, Apple提出HyperDiffusion，用Diffusion计算神经场权重，统一框架下生成3D权重或4D动画

03:19

[NeRF Relighting进展，SIGGRAPH] 浙大、微软亚研院等提出从一组物体的无结构图片，使用阴影和高光hints进行NeRF重光照的模型

05:01

[NeRF纹理生成，SIGGRAPH] 中科院，腾讯等提出NeRF-Texture，从多视角图像采集和生成纹理，可应对如草、叶子、纺织品等3D空间复杂纹理生成

02:16

[单图生成3D] UCSD, UCLA, 浙大, 康奈尔等：One-2-3-45，Zero123+SDF，超快速生成3D且几何一致性高，图片或文本生成高质量3D

01:14

[文本转3D，群友工作] 南京大学提出AvatarBooth，新的文本或图片生成高质量3D Avatar的框架，拍摄的脸或身体照片即可生成，可支持二次编辑

02:15

[NeRF进展，反射场景提取] 马里兰大学的新脑洞，通过眼睛反射重建所看到的场景，又一个使用神经场通过反射完成场景重建

01:16

[NeRF进展，稀疏重建，开源, SIGGRAPH] 印度理工学院ViP-NeRF，用平面扫描volume获得可见先验正则化NeRF，完成稀疏视角NeRF重建

01:47

[NeRF进展，时变3D模型] 浙大，康奈尔，特拉维夫提出neusc，使用网上地标照片，重建可独立控制视点、光照和时间的真实感时变三维模型

07:40

[三维重建] nVidia提出NKSR，一种新的从噪声的稀疏的点云重建地球级别3D表面的方法，可以在数秒中内完成对百万点的重建，并达到极好的效果

11:55

[NeRF进展，效果提升] TUM与Meta推出GANeRF，使用GAN来解决视角观察缺陷以及小的光照变化带来的重建质量不佳问题，提升1.4dB以上

03:02

[NeRF进展，深度估计方向，群友推荐] 博洛尼亚大学、Google等提出NeRF监督的深度立体方法，使用NeRF监督更加准确的深度度和视差图，提升超过30%

07:37

[NeRF+文本转3D] nVidia，多伦多大学Sanja团队：ATT3D，在一秒内使用文本生成3D的方法，极大提升了生成速度，并可完成简单的3D转换型动画

10:01

[NeRF进展，实时建图] 中山大学、香港科技大学提出H2Mapping，第一个基于NeRF构建在可手持设备上运行的建图方法，效果优于NICE-SLAM

05:31

[动态NeRF进展] 三星尖端技术研究院提出时域插值动态NeRF方法，通过在时域进行特征向量插值，构建动态场景的神经网络表达，训练速度与质量大幅度提升

07:58

[NeRF+Diffusion进展，少量视触目] Nitantic推出DIffusioNeRF，使用RGBD贴片训练的DDM模型，正则化few-shot重建过程

02:23

[Diffusion+SDF，三维重建] 港中文、上海AI实验室、浙大提出DiffRoom，基于occupancy先验重建TSDF，生成高质量3D室内重建效果

01:05

[NeRF进展，稀疏视角重建] 斯坦福，Google, SFU提出SCADE，使用cIMLE和space carving方法，提升稀疏无约束室内NeRF重建效果

08:00

[神经渲染，自动驾驶方向] Waabi，多大，MIT提出UniSim，一种神经sensor模拟器，可以用从录制结果生成真实的close-loop多传感器仿真效果

08:32

[NeRF进展] CMU，亚琛工业大学，Inria提出动态3D高斯方法，将3D Gaussian Splatting扩展到动态场景，灵活支持多种下游应用

02:30

[NeRF进展，时间一致动态场景重建] MPI, Meta提出SceNeRFlow，一种通用的，非刚性场景的，时间一致性的NeRF重建方法，可重建大尺度运动

04:38

[NeRF进展] 浙江大学、阿里提出Mirror-NeRF，可以学习镜子准确的几何和反射效果，并可以支持多种不同的场景操控应用，如在场景中添加物体或镜子等

04:41

[NeRF进展] Strivec(USC, UCSD, Adobe研究院），稀疏分布紧凑分解的局部张量特征grid的辐射场，比TensoRF和NGP效果好参数少

05:48

[神经场进展] TensoRF原始团队提出Factor Field：一个统一的信号表达框架，并扩展到DiF，可在NeRF、SDF等任务达到小参数、高质量重建效果

17:01

[NeRF编辑进展，开源] Seal-3D(浙江大学CS&AUS, CAD&CG实验室)，一种可让用户自由在像素级别NeRF编辑的方法，并可实时预览编辑结果

02:19

[NeRF进展，自动驾驶，群友工作] 清华大学AIR等12家机构推出MARS，一个基于NeRF的自动驾驶模拟方法，实例感知建模，高度模块化，高度真实感，开源

08:15

[NeRF进展，Lidar三维重建]多伦多大学提出TransientNeRF，新的使用多视角lidar，通过捕获皮秒时间尺度瞬态光传输，完成新视角生成和3D重建

04:52

[NeRF进展，开源大规模场景] DNMP（同济、港中文、上海AI实验室，CPII），一种使用可变形神经mesh的，高质量快速的重建和渲染城市级别神经场的方法

04:43

TUM AI Lecture Series - Ben Poole（Google Brain）基于2D先验的3D生成方法（2023.07.18）

01:15:56

[NeRF进展，稀疏视角+depth先验] 南洋理工大学ICCV提出SparseNeRF，利用现实世界不准确观测的深度先验来蒸馏深度排名，达到较好的重建效果

04:52

顶部