本研究提出了一种新型归一化技术NeuGen，旨在提升神经辐射场(NeRF)的泛化能力。实验结果表明，NeuGen显著提高了模型的准确性和图像渲染质量。

本研究提出了一种高效流程，通过神经辐射场自动生成多样化、高质量的3D数据集，显著提升了3D姿态估计网络的性能，解决了3D检测中数据集不足的问题。

本研究提出了一种基于神经辐射场的可维护虚拟头像模型（MaintaAvatar），旨在解决在更新外观和姿势时保持旧外观的问题。通过全球-局部联合存储模块和姿势蒸馏模块，有效避免了灾难性遗忘。实验结果表明，该模型在有限数据下能够快速微调。

本文提出了一种新方法，通过解耦的神经辐射场（NeRF）实现不同场景中的材料变换，学习双向反射分布函数（BRDF），并在未知场景中应用。实验结果证明了该方法的有效性。

该研究提出了一种反射感知的神经辐射场，克服了现有方法在复杂平面反射处理中的局限性，显著提升了场景几何的准确性和反射细节。

本研究提出了一种CAD-NeRF方法，旨在解决在未知摄像机姿态下从少于10张图像重建神经辐射场的问题。实验结果表明，该方法在合成和真实图像上均表现出良好的准确性和泛化能力。

本研究探讨了神经辐射场（NeRF）在卫星图像季节预测中的应用，特别是Sat-NeRF的表现。结果表明，作为Sat-NeRF扩展的Planet-NeRF能够有效捕捉季节变化的细微差异，超越了之前的模型，展现了未来研究的潜力。

我们提出了Adv3D，这是首次将对抗样本建模为神经辐射场（NeRF）。通过最小化3D检测器的置信度，我们训练了具有真实外观和3D准确性的对抗性NeRF。实验表明其在不同场景和检测器中具有良好的泛化性能，并提供了一种数据增强的防御方法。

大型语言模型（LLMs）与3D空间数据的整合不断进步，提升了对物理空间的理解和互动能力。本文综述了LLMs处理3D数据的方法，涵盖点云、神经辐射场等3D表示，分析其在场景理解、字幕生成、问答和导航中的应用。尽管有显著进展，充分利用3D-LLMs仍需创新。本文为未来研究提供方向并整理相关论文。

本研究提出了TalkinNeRF，一种统一的神经辐射场框架，解决全身通讯问题。该模型从单目视频中学习人体姿态、手势和面部表情，生成逼真的动态效果，尤其在未知姿态下表现优异。

本研究提出了一种新的方法，通过学习多个场景的共同神经辐射场表示，结合图像分割，实现隐式空间部件定位，估计关节对象的连通性和关节参数，推动渲染能力。

神经辐射场（NeRFs）是计算机图形学、计算机视觉和摄影测量领域的主要课题。研究者提出了利用提供密度不确定性估计的NeRF-Ensembles来改善3D场景重建和表面重建的质量。通过使用NeRF-Ensembles，可以消除小的异常值，获得更平滑的输出和结构的完整性改善。在三个不同的数据集上进行了验证。

该研究提出了一种统一的表面重建与渲染框架，解决了激光雷达视觉系统中的结构可见性差距问题。通过整合神经辐射场和神经距离场，并利用可见性感知占据图进行空间分类，实现了场景的外观和结构信息的恢复。实验结果表明，该方法在多种场景下具有卓越的质量和通用性，具有广泛的应用潜力。

OpenOcc是一种将3D场景重建和开放词汇理解与神经辐射场结合的新型框架，通过占位表示法对场景的几何结构进行建模，并使用体素渲染将预训练的开放词汇模型蒸馏为3D语言场，实现零-shot推理。同时，OpenOcc提出了一种语义感知置信度传播（SCP）方法，解决语言场表示退化问题。实验证明，OpenOcc在3D场景理解任务中具有竞争力的性能。

该研究提出了Open-NeRF，通过利用大规模的分割模型和层次嵌入，实现了从开放词汇中将神经辐射场分解为对象的挑战。实验结果表明，Open-NeRF在开放词汇的场景中胜过了其他方法。Open-NeRF为NeRF分解提供了一个有前途的解决方案，能够在开放世界的三维场景中实现新的机器人和视觉语言交互应用。

该研究提出了Open-NeRF，通过利用大规模的分割模型和层次嵌入，实现了从开放词汇中将神经辐射场分解为对象的挑战。实验结果表明，Open-NeRF在开放词汇的场景中胜过了其他方法。Open-NeRF为NeRF分解提供了一个有前途的解决方案，能够在开放世界的三维场景中实现新的机器人和视觉语言交互应用。

本研究提出了FruitNeRF框架，通过视图合成技术在3D空间内直接计数水果。利用神经辐射场实现精确计数，防止重复和误计数。展示了该方法在实际和合成数据集上的优越性。

该研究提出了一种利用网格作为指导机制来编辑神经辐射场的新方法，实现了梯度反向传播，使用户能够轻松操作神经辐射场的几何和颜色。该方法通过优化用户控制性，实现了对神经隐式场的细粒度编辑，并适应了各种用户修改。实验证实了该方法的能力和有效性。