本文提出了一种新型的可变形3D高斯散射方法，旨在高效重建和实时渲染动态场景。该方法通过引入高斯流和双域变形模型，显著提高了训练速度和渲染质量，达到70 FPS。实验结果表明，该方法在动态场景重建中优于现有技术，具备更高的效率和质量。

本文介绍了基于高斯散射的动态手术场景重建方法，如SurgicalGaussian和Endo-4DGS，旨在提高内窥镜手术的实时渲染质量和效率。这些方法利用可变形3D高斯模型和深度引导技术，克服了现有技术的局限性，显著提升了手术辅助的准确性和可靠性。

本文提出了一种基于现有视频模型的3D超分辨率方法，旨在提升粗糙3D模型的几何和外观细节。研究中使用层次化三维高斯，保持大场景的视觉质量，并提出可变形3D高斯散射方法以优化动态场景的重建和渲染。此外，GaussianAvatar方法通过单个视频创建动态3D人类化身，展示了在外观质量和渲染效率上的优势。

本文介绍了一种新颖的三维模型生成方法，结合基于Transformer的网络和高斯散射技术，显著提升了渲染速度和质量。该方法有效解决了光照不一致和几何对齐问题，在动态场景重建和实时渲染中表现优异，具有广泛的应用潜力。

本文提出了一种基于可变形3D高斯散射的方法，用于动态场景的重建与渲染，显著提升了渲染速度和质量。该方法结合了新视角合成和六自由度跟踪，利用高斯流技术实现快速重建，训练速度比传统方法快5倍，视觉质量表现优异。实验结果表明，该方法在多个基准数据集上具有高效性和优秀的视觉效果。

本文提出了一种名为DrivingGaussian的动态场景重建与渲染方法，基于3D高斯散射，能够高效处理自主驾驶场景中的动态环境。该方法结合LiDAR技术，实现高质量的实时渲染，并通过自适应策略提升场景一致性。此外，研究还介绍了HumanGaussian框架和GaussianBody服装重建方法，均在动态场景中展现出优越的渲染效果和几何重建能力。