本文介绍了一种基于高斯喷射的3D内容生成框架，利用多视角噪声分布和变分技术提升图像质量。研究提出了无域场景生成管道和从单目视频构建动态3D模型的方法，显著提高了训练和渲染速度。同时，探讨了3D重建的最新技术与挑战，并提出了照明感知的3D场景编辑流程，优化了编辑灵活性和几何细节处理能力。

本文提出了一种新方法SA-GS，实现3D高斯中的对象分割，无需训练过程。通过多视角掩码生成和标签分配，SA-GS在3D分割中表现出高质量，适用于场景编辑和碰撞检测。研究还探讨了3D高斯散射的理论基础及其在视觉任务中的应用，强调高斯参数在分类和分割中的优势。

RenderDiffusion是首个基于单眼2D监督的3D生成扩散模型，能够从2D图像推断3D信息并生成3D场景。该模型在多个数据集上表现出色，支持3D场景的编辑和修复，展现了在3D内容创作中的广泛应用潜力。

本文提出了一种新型的3D高斯对象分割方法SA-GS，通过多视角掩码生成和标签分配，实现高质量的3D分割。该方法适用于场景编辑和碰撞检测，支持动态对象的纹理编辑，并在多个数据集上验证了其有效性。

本文提出了一种利用3D几何信息生成新视角的方法，通过学习区域感知几何转换网络，实现高保真物体形状和纹理恢复。该方法在KITTI和ScanNet数据集上表现优于现有技术，经过大量实验验证其有效性。

3D高斯喷洒是一种实时可控的3D重建与表示方法，利用显式场景表示和可微渲染，性能优于NeRF。研究通过掩码、量化、网格化等策略降低存储、加速训练并提升渲染质量，同时支持网格提取、对象分割与场景编辑。综述系统梳理了其原理、应用、基准评估及未来方向。

该文汇总了多项NeRF三维重建研究，包括：MVG-NeRF利用深度和法线引导优化；ConsistentNeRF提升稀疏视图质量；Edit-DiffNeRF实现3D场景编辑；Re-Nerfing增强几何一致性；OR-NeRF支持单视图对象移除；另有方法通过几何感知正则化改善少样本NeRF，以及无需相机位姿先验的VMRF和场景分解合成框架。

该文综述多项NeRF场景编辑与合成研究：SIGNeRF利用扩散模型深度条件实现快速可控编辑；Blended-NeRF通过文本或图像提示将新对象无缝混入现有场景；另有工作实现无需重训的多物体物理准确渲染、FiG-NeRF分离背景与可变形前景以学习物体类别模型、统一框架解耦3D表示以支持编辑、Obj-NeRF结合SAM从多视图恢复对象3D并用于去除、旋转、替换与上色、OR-NeRF以单视图点或文本提示移除对象、Enhance-NeRF增强室外重建，以及NeRF综合任务生成大尺寸新辐射场。

该文综述2023至2024年基于NeRF与扩散模型的3D生成与编辑方法：Text2NeRF以文本生成高保真多视角一致场景；ZIGNeRF从单图生成多视图；DITTO-NeRF由文本或单图重建高质量NeRF；InpaintNeRF360按语言指令修复缺失区域；Instant3D前馈式20秒生成多样化3D资产；SIGNeRF、ED-NeRF、DN2N、Blended-NeRF等实现快速可控的场景编辑与对象融合。