本文介绍了一种新型逆向渲染方法GS-IR，利用3D高斯表示和前向映射体积渲染，实现高质量的新视角合成和重新照明。该方法通过多视图图像估计场景几何和材质，克服了传统方法的局限性，展示了在3D重建和渲染中的应用潜力。

本研究提出了一种新的方法，通过结合场景几何、物体中心跟踪和实例分割，解决了自我中心视频中的3D场景理解挑战。实验结果表明，该方法在跟踪和分割一致性指标上优于现有的二维方法。

本文介绍了一种名为GS-SLAM的算法，首次在SLAM系统中应用3D高斯表示，显著提升了效率与准确性。该方法通过自适应扩张策略重构场景几何并优化相机姿态，减少了运行时间。实验结果表明，该算法在多个数据集上表现优异，具有竞争力的性能，为未来3D重建技术提供了新方向。

本文介绍了 GS-SLAM 算法，首次在 SLAM 系统中应用 3D 高斯表示，提升了效率与准确性。该方法通过自适应扩张策略重构场景几何并优化相机姿态，在 Replica 和 TUM-RGBD 数据集上表现出竞争力。SemGauss-SLAM 系统结合语义特征，实现实时精确的 3D 语义地图构建和鲁棒的相机跟踪，展现出优越性能。

该方法使用密度体素网格表示场景几何和浅层网络表示视角相关的外观，训练时间缩短到15分钟以内，达到前沿的质量水平。