斑点场：用于稀疏3D和4D重建的神经高斯斑点

提出了一种基于3D高斯喷洒的辐射场训练方法，集成深度先验、生成和显式约束，减少背景折叠和浮点值。

Splatter Image方法实现了每秒38帧的单目三维物体重建，基于高斯颗粒化技术，优化了训练和渲染过程。

该方法在PSNR、LPIPS等度量标准上优于传统的3DGS和NeRF方法，展示了快速重建的优势。

3D高斯喷洒提供了实时渲染、可控和可编辑的3D重建，具有显著的应用潜力。

4D高斯喷洒方法在动态场景中实现了复杂运动和细节的建模，提升了实时渲染的效果和效率。

GaussianPro方法通过渐进传播策略和块匹配技术，指导3D高斯聚类的密度化，验证了其在不同规模场景上的有效性。

结构感知高斯喷洒方法(SAGS)在渲染质量和模型大小上表现出色，有效减轻了浮点和图像失真问题。

因式化三维高斯粒子点描(F-3DGS)通过矩阵和张量分解技术减少存储需求，同时保持渲染质量。

基于神经渲染技术的3D Half-Gaussian核方法在多个数据集上实现了最先进的渲染性能。

提出的可学习掩码策略和基于网格的神经场表示显著降低了高斯点的数量，提升了存储效率。