本研究提出了一种新方法，利用神经渲染工具实现动态事件的3D重建，解决了传统方法在动态实验中成像不完整的问题。

本文介绍了SPA，一种强调3D空间意识的表征学习框架。通过多视角图像的神经渲染，提升视觉变换器的空间理解能力。研究显示，SPA在多个任务中优于10种先进方法，展现了实际应用潜力。

本文介绍了GaussianShader方法，通过在三维高斯函数上应用简化着色函数，提升神经渲染效果。新颖的法线估计框架和设计的损失函数使法线与高斯球几何一致。实验表明，该方法在效率和视觉质量上取得平衡，优化时间比Ref-NeRF显著缩短，并在镜面对象数据集上提高了峰值信噪比。

本文介绍了GaussianShader方法，通过在三维高斯函数上应用简化的着色函数，提升神经渲染效果。该方法设计了新颖的法线估计框架，并使用损失函数确保法线与高斯球几何一致。实验表明，GaussianShader在效率和视觉质量上取得平衡，优化速度比Ref-NeRF快，并在镜面对象数据集上提高了峰值信噪比。

本研究提出了一种名为FPA的神经渲染方法，专注于对抗性伪装。通过模拟光照和材质变化，实现逼真纹理。结合对抗性和隐蔽约束，确保伪装有效且隐蔽。实验显示，FPA在攻击成功率和可转移性上表现优异，能适应环境生成多样纹理。

本文介绍了一种基于神经渲染的城市场景重建方法，通过评估不同视角上的重建来解决Extrapolated View Synthesis (EVS)问题。该方法利用稠密的LiDAR地图和先验场景知识，在EVS上取得了有效结果。

我们提出了一种新颖的表示方法，可以在演员的动态面部表现中实现高质量的体渲染，同时具有较小的计算和内存占用。我们的方法利用了神经渲染的最新进展，在模型体积效果时通过学习离散辐射流形进行场景稀疏采样。我们通过学习单个流形集对整个动态序列进行了高效建模，并通过时态规范纹理隐式建模外貌变化。我们导出了一个与传统图形渲染器兼容的单层网格和视角无关的 RGBA 纹理视频，通过在游戏引擎中渲染真实演员的动态面部捕捉，实现与最先进的神经渲染技术相媲美的逼真度，同时具备之前无法达到的帧率。

该文介绍了一种基于内在神经辐射场模型的 NeRF 神经渲染方法，可以应用于基于房间尺度的场景。该模型可以在无监督的环境下具备传统本质分解约束条件，并展示了在面对具有挑战性序列时，其具有相对稳定的本质分解结果和高保真度的新视角生成效果。