本研究提出了一种名为Moner的无监督方法，用于校正径向MRI中的运动伪影。通过隐式神经表示和改进的哈希编码，Moner在缺乏高质量训练数据时提高了校正精度，实验结果显示其在各种数据上优于现有技术。

该研究使用变形的多层感知器（MLP）网络来捕捉动态偏移的高斯点，并通过哈希编码和小型MLP来表示点的颜色特征。他们引入了可学习的去噪掩模来消除场景中的噪点，并通过静态约束和运动一致性约束减轻点的运动噪声。实验证明该方法在渲染质量和速度上超过了现有方法，并显著减少了与3D-GS相关的内存使用。该方法适用于新的视角合成和动态建图等任务。

我们提出了Drone-NeRF框架，用于高效重建无人机倾斜摄影的大规模场景。该框架通过划分场景为子块并训练子场景，然后合并为完整场景，优化相机姿态和引导NeRF使用均匀采样器来提高模型准确性。此外，还使用哈希编码融合MLP加速密度表示，生成RGB和深度输出。该框架解决了与场景复杂性、渲染效率和无人机获取图像准确性相关的挑战。