Tag · 14 篇
神经辐射场
Unblur-SLAM：面向模糊输入的稠密神经 SLAM
Unblur-SLAM: Dense Neural SLAM for Blurry Inputs
将前馈去模糊网络与 3DGS 建图耦合：成功去模糊的帧走局部-全局多视图优化与回环，失败帧则用额外模糊网络在 3D 空间显式建模模糊子帧形成过程，为模糊输入下的位姿估计与清晰重建提供了可复用的两阶段设计。
面向无位姿激光雷达视图合成的频谱-几何神经场
Spectral-Geometric Neural Fields for Pose-Free LiDAR View Synthesis
把频谱先验作为混合表示来补全稀疏无纹理激光雷达几何，并用特征兼容性置信图做无位姿全局对齐，可直接迁移到无位姿 NeRF/3DGS 的位姿-几何联合优化与稀疏点云重建。
穿透箱体：从雷达信号进行非视域三维重建
Seeing through boxes: Non-Line-of-Sight 3D Reconstruction from Radar Signals
把可见区域（LoS）的视觉几何先验注入神经场，作为约束来引导射频信号在遮挡区域（NLoS）的传播建模，从而稳定 SDF 优化并消除表面歧义；做遮挡补全、非视域重建或跨模态神经场的人可以借鉴这种「用可见几何约束不可见几何」的思路。
穿透明暗：基于传感器物理建模的单曝光图像与事件去模糊 HDR 神经辐射场
Seeing through Light and Darkness: Sensor-Physics Grounded Deblurring HDR NeRF from Single-Exposure Images and Events
把相机响应函数（CRF）与事件传感器响应模型显式嵌入 NeRF 优化，用物理传感器模型对齐渲染值与 LDR 观测，这一思路可直接迁移到事件相机、卷帘快门、RAW 域等存在传感器非线性失配的重建与逆渲染任务。
RF4D：面向户外动态场景新视角合成的神经雷达场
RF4D:Neural Radar Fields for Novel View Synthesis in Outdoor Dynamic Scenes
将毫米波雷达的物理功率渲染公式与神经场结合，并引入场景流模块强制时序占用一致性，为恶劣天气下的动态场景新视角合成提供了可复用的雷达-神经场建模范式。
Node-RF：基于神经常微分方程 NeRF 学习泛化的连续时空场景动态
Node-RF: Learning Generalized Continuous Space-Time Scene Dynamics with Neural ODE-based NeRFs
把 NODE 的连续时间状态演化嵌入动态 NeRF 的隐式表示中，用 ODE 求解器在特征空间做长程外推，为动态场景建模提供了一种常数显存、可跨观测边界预测未来视角与状态的思路，可直接迁移到动态新视角合成与时空预测任务。
NG-GS：神经辐射场引导的三维高斯泼溅分割
NG-GS: NeRF-guided 3D Gaussian Splatting Segmentation
针对 3DGS 离散高斯在物体边界处产生锯齿与伪影的问题，用掩码方差分析定位边界模糊高斯，并以 RBF 插值 + 多分辨率哈希编码构建空间连续特征场，再通过轻量 NeRF 模块的联合优化约束边界平滑；这套「连续特征场 + NeRF 引导」思路可直接迁移到 3DGS 的编辑、抠图与开放词表查询任务。
NERFIFY：将NeRF论文转化为代码的多智能体框架
NERFIFY: A Multi-Agent Framework for Turning NeRF Papers into Code
为NeRF论文提供自动代码复现框架，通过CFG约束LLM生成、图思维链多文件合成和视觉反馈迭代，可加速视觉研究中的可复现性验证与基线构建。
MU-GeNeRF：多视图不确定性引导的泛化神经辐射场用于干扰物感知场景
MU-GeNeRF: Multi-view Uncertainty-guided Generalizable Neural Radiance Fields for Distractor-aware Scene
针对泛化神经辐射场在含瞬态干扰物场景下的鲁棒重建问题，提出将干扰物感知分解为源视图不确定性和目标视图不确定性，并集成到异方差重建损失中引导自适应监督加权，为多视图三维重建中的干扰物抑制提供了可复用的不确定性引导思路。
LNEM：月球神经高程模型
LNEM: Lunar Neural Elevation Model
把推扫式（pushbroom）成像过程显式嵌入体渲染，并联合学习阴影模型，为卫星/行星遥感影像提供几何一致的三维重建方案；做 NeRF 类重建时若输入是线阵推扫影像，可直接借鉴其相机建模与光照感知渲染思路。
GH-NAF：面向差异感知CBCT的网格自适应哈希层级注意力神经衰减场
GH-NAF: Grid-Adaptive Hash-Level-Attended Neural Attenuation Fields for Discrepancy-Aware CBCT
把多分辨率哈希编码的各层级解耦，并用不确定性引导的层级注意力自适应加权，这一思路可直接迁移到稀疏视角NeRF/3DGS重建中处理投影噪声与不一致性，缓解均匀组织中的伪高频纹理与边界模糊。
FluidGaussian：传播基于仿真的不确定性以实现功能智能的三维重建
FluidGaussian: Propagating Simulation-Based Uncertainty Toward Functionally-Intelligent 3D Reconstruction
将流体仿真诱导的不确定性作为主动学习的采样信号，指导多视角采集以提升几何与物理保真度，为物理感知的三维重建提供了可插拔的通用框架。
证据神经辐射场
Evidential Neural Radiance Fields
把证据深度学习（evidential deep learning）接进 NeRF 的渲染管线，用单次前向传播同时给出偶然不确定性与认知不确定性，可直接复用到任何需要逐像素置信度的三维重建/新视角合成流程中，用于安全关键场景的失效检测与主动视角选择。
基于物理信息神经场的动态黑洞发射断层成像
Dynamic Black-hole Emission Tomography with Physics-informed Neural Fields
将可微分神经渲染与物理约束（速度场作为发射率动力学的软约束）结合，用于从稀疏单视角测量中重建动态 3D 场，这种联合优化 4D 发射率与 3D 速度场的思路可迁移到其他病态动态重建问题（如流体、动态 NeRF）。