CVPR和其他2024顶会论文阅读（资源整理【1】）

一、3d 重建与建模

论文1-Deformable 3D Gaussians for High-Fidelity Monocular Dynamic Scene Reconstruction

• Deformable 3D Gaussians for High-Fidelity Monocular Dynamic Scene Reconstruction
• https://arxiv.org/abs/2309.13101
• https://github.com/ingra14m/Deformable-3D Gaussians
• 摘要: 隐式神经表示（Implicit Neural Representations）为动态场景重建和渲染的新方法铺平了道路。尽管如此，先进的动态神经渲染方法很大程度依赖这些隐式表示，经常难以捕捉场景中物体的复杂细节。此外，隐式方法在一般动态场景中实现实时渲染，限制了它们在各种任务中的使用。为了解决这一问题，我们提出了一种可变形的三维高斯分布的splatting 方法，该方法使用三维高斯分布来重建场景，并在具有变形场的规范空间中学习它们，以建模单目动态场景。我们还引入了一种没有额外开销的退火平滑训练机制，它可以减轻不准确的姿态对真实世界数据集中时