本文探讨了神经渲染和新视角合成技术，提出了一种无需SfM预处理的方法，显著提升了视角合成和相机姿态估计的性能。研究展示了使用高效的3D高斯分割模型和混合Triplane-Gaussian表示在渲染速度和质量上的优势，并介绍了Splatter Image和MVSplat等新方法，强调了在多视图重建中的高效性和准确性。

本文介绍了多种基于可微分渲染的3D形状优化方法，如SDFDiff、MeshSDF和DeepSDF。这些方法在多视图和单视图3D重建中表现优异，结合深度学习技术，实现了高效的3D形状表示和优化，提升了渲染质量与效率。

该文汇总了多个三维视觉数据集，涵盖图像分类、点云分类、多视图重建、城市点云、6-DoF姿态估计、语义分割、RGB-D目标检测、城市建模、超市分割和多视角数据集，用于推动分类、重建与机器人研究。

本文综述利用预训练图像扩散模型作为先验的文本到3D生成方法：无需3D训练数据，通过分数蒸馏优化NeRF或三平面表示，可在消费级显卡上快速生成3D资产；也有方法先生成多视图再前馈重建，或结合3D GAN实现风格化头像，显著提升质量与效率。