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。

本研究提出了一种利用单目连续波飞行时间（C-ToF）摄像头重建动态场景的方法，优化了场景几何表示，能够在受限条件下实现高保真的动态三维重建，尤其在快速运动场景中表现优异。

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。

本研究提出了一种新方法，通过稀疏多视角事件流和RGB帧实现动态场景的时空重建，超越了RGB基线，取得了先进的效果。

本研究提出了一种新型密集视觉SLAM方案MBA-SLAM，针对运动模糊图像的挑战，通过集成运动模糊感知跟踪器，显著提高了相机定位精度和地图重建质量。实验结果显示，MBA-SLAM在多个数据集上优于现有方法。

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。

该研究提出了GANESH框架，解决无镜头成像中的直接图像获取问题。通过优化多视图无镜头图像和新视图合成，克服了传统3D重建的局限性。实验结果表明，该方法在重建精度和优化质量上优于现有技术，并提供了首个多视图无镜头数据集。

本研究探讨神经辐射场（NeRF）在卫星图像中的季节预测能力，特别是Sat-NeRF在不同月份的表现。结果表明，Planet-NeRF作为Sat-NeRF的扩展，能够有效捕捉季节性变化的细微差别，展现出未来研究的潜力。

本研究提出了一种去模糊电子神经辐射场（Deblur e-NeRF）的方法，解决事件相机在高速运动或低光照下的模糊问题。通过像素带宽模型和阈值归一化全变差损失，优化纹理缺失区域，实现低模糊NeRF的重建。实验验证了该方法的有效性。

通过整合多视图算法和预训练的2D模型，研究人员提出了一种新的基于细粒度交互的三维分割和编辑算法SERF。该算法利用神经网格表示法实现准确和可交互的三维分割，具备优越的表示质量和编辑能力。

文章探讨了辐射度量学在物理基础渲染（PBR）中的重要性，特别是Radiance的定义及其在光线传播中的衰减现象。通过分析入射和出射Radiance的公式，作者阐明了它们为何相等，并指出立体角在其中的关键作用。此外，文章提到在漫反射模型下，Radiance并非均匀分布。