本文介绍了一种新的多视角深度估计方法，结合神经辐射场（NeRF）和自适应深度先验，优化室内场景重建。研究提出了Block-NeRF、NeuRIS、NeRFVS等方法，提升了重建质量和视角合成性能。最新的NARUTO系统通过动态量化不确定性，实现高保真度的环境重建。

NeRFusion结合NeRF和TSDF技术，实现高效的大规模室内场景重建与渲染。通过循环神经网络提升渲染质量和重建速度，研究还探讨了动态场景重建、相机位姿估计及新视角合成等方法，展示了实时成像中的优势，特别是高斯分层技术在重建质量和速度上的显著提升。

本文提出了一种结合神经有向距离场和三维高斯光斑的优化框架，实现高质量室内场景重建与实时渲染。通过可学习的场景模型和新方法SA-GS，支持3D对象分割、编辑和碰撞检测，展现出卓越性能。此外，介绍了Mesh-adsorbed Gaussian Splatting（MaGS）方法，提升了渲染准确性和变形效果，快速提取可编辑网格，显著提高了渲染质量和效率。