本研究提出了DrivingRecon模型，旨在解决现有自动驾驶场景重建方法在实时性和效率上的不足。该模型能够从视频中预测4D高斯表示，显著提升场景重建质量和新视角合成，适用于模型预训练、车辆适应和场景编辑等领域。

本文介绍了Splatt3R和UniG模型等多种新方法用于3D重建和新视角合成。这些方法通过优化几何损失、引入视图一致性约束和跨视聚集策略，显著提升了重建精度和渲染效率，解决了无姿态图像的合成问题，展现出优异的泛化能力和实时渲染性能。

本文介绍了多种基于神经辐射场（NeRF）的方法，旨在提升3D场景重建和新视角合成的性能。通过正则化、有效采样和新数据结构等技术，显著提高了训练效率和渲染速度，部分方法在少样本情况下表现优异，展现了实际应用潜力。

本研究提出了一种高保真面部建模方法，只需三张图像即可生成细节丰富的面孔。通过训练隐式先验，该方法在新视角合成上表现出色，实验结果优于现有技术，具有重要影响。

本文提出了一种新型逆向渲染方法GS-IR，利用3D高斯零碎描绘和前向映射体积渲染，实现新视角合成和重新照明。该方法通过捕捉多视图图像，估计场景几何和材质，克服了以往方法的局限性，并引入深度推导的法线估计和遮挡模拟，优化了逆向渲染过程，展现出在几何重建和渲染质量上的优越性。

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。

本文研究了新视角合成和3D高斯喷溅技术，提出了GGRt和MVSplat等新方法，显著提升了相机姿态估计和视角合成的性能。通过优化算法和自增强策略，解决了稀疏输入和噪声问题，增强了模型的鲁棒性和效率。Splatt3R方法实现了无姿态的3D重建，具备优异的实时渲染能力。

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。

本文介绍了一种基于GPS-Gaussian方法的新视角合成技术，能够在2K分辨率下实时渲染。该技术通过高斯参数回归和深度估计，显著提升了渲染速度和视觉质量，尤其在遮挡场景和大规模数据集上表现优异，具有广泛的应用潜力。

本文介绍了基于扩散模型的多种图像处理技术，包括高质量3D人体重建、单视角新视角合成和视频修复。这些方法在图像重建和生成方面表现优越，能够有效提升图像质量和处理速度，具有广泛的应用潜力。

该论文介绍了一系列基于神经辐射场（NeRF）的三维重建和新视角合成方法，涵盖几何推理、样本优化和高效渲染技术，显著提升了重建质量和渲染效率，适用于多种数据集。

本文介绍了多种新视角合成方法，如GVS、ViewNeTI和Light Field Diffusion，利用条件扩散模型和三维感知技术，提高了图像生成的质量和效率。研究表明在不同数据集上表现优越，并提出了新颖的相机参数化方案，以解决深度尺度的二义性问题。

本文介绍了一种基于3D高斯喷洒（3DGS）的方法，显著提升了新视角合成的质量和速度。通过自校准相机参数和优化3D结构，提出了高效的可微渲染框架，有效解决了模糊和颜色不一致性问题。实验结果表明，该方法在多个数据集上表现优异，具有较高的收敛速度和渲染效率。

本文介绍了D-NeRF等神经辐射场技术在动态场景重建和新视角合成中的应用与进展。这些方法通过引入时间变量和优化算法，实现了高效的动态场景渲染，显著提高了渲染质量和速度。研究表明，前向流场的估计有助于改善运动模型的学习，推动了3D渲染技术的发展。

本文介绍了一种基于事件相机和3D高斯喷洒技术的图像去模糊及新视角合成方法。通过优化相机运动轨迹和参数，提升了重建质量和渲染速度，显著减少了训练时间。同时，研究解决了运动模糊、相机姿态不准确和颜色不一致性等问题，实验证明在多个基准数据集上表现优异。

本文介绍了一种名为事件增强高斯喷涂（E2GS）的方法，该方法基于事件数据和高斯分层，实现高保真度的3D结构重建。E2GS结合事件相机的高时间分辨率，显著提高了渲染质量和速度，训练时间减少超过95%。该方法在动态场景控制和新视角合成方面表现优异，适用于多种光照条件。

本文介绍了多种改进神经辐射场（NeRF）的方法，如Deblur-NeRF、ConsistentNeRF和D"aRF，旨在提升稀疏视图下的图像重建质量和新视角合成性能。这些方法通过深度监督、几何约束和物理先验等技术，成功应对模糊和视角不足的挑战，显著提升了性能。

本文提出了一种新的动态城市场景建模方法，称为周期振动高斯（PVG），通过引入周期振动和自适应控制策略，显著提高了动态场景的重建和新视角合成效果。该方法无需手动标注，训练和渲染速度比现有方法快50到6000倍。此外，MoDGS管道利用单目视频生成高质量动态场景新视角图像，表现优于基线方法。