标签
HRoPE 提出了一种表面感知的位置编码，将每个 patch 建模为倾斜的 3D 平面，并将平面诱导的单应变换作为相对变换注入注意力机制，从而在无需真实几何信息的情况下提升跨视角对齐与新视角合成的效果。在 RealEstate10K、CO3Dv2 和 DL3DV 上的实验表明，该方法优于现有的几何位置编码。
FineSplat 提出一种基于细粒度图像 patch 的前馈 3D 高斯溅射框架，通过双分组策略、渲染反馈和紧凑高斯生成，在更小的高斯预算下实现了更精细的几何与外观重建，并取得了 SOTA 结果。
本文提出 Seed Injection（种子注入）和 Temporal Biased Relocation（时序偏置重定位）两种策略，基于预测的时空目的地而非当前位置来分配高斯基元，在不增加高斯预算的前提下，提升了动态场景中微小快速运动物体和精细纹理的重建质量。
InfiniSplat v2 通过解耦几何与属性预测、使用真实相机位姿对齐以及大角度视角监督，显著提升前馈式 3D 高斯重建的新视角渲染质量，在六个数据集上取得 SOTA 的 LPIPS 和 DISTS 指标。
4LC 提出一种用于动态世界建模的 4D 潜空间缓存，通过复合视觉表示（VAE、DINO、V-JEPA、VGGT）和灵活的时空访问接口，高效复用静态与动态内容作为生成条件，支持相机控制、时间控制、新视角合成与长时生成等多项视频生成任务，且无需任务特定微调。
CompactSplat 是一种前馈框架，通过纹理引导的空间划分和分层采样来自适应地分配三维高斯，在稀疏视角场景重建中提升几何与纹理的恢复效果，同时支持无需重新训练的动态稀疏度控制。
LEGO 提出一种免提升（lifting-free）的方法，用 LVSM 风格的 Transformer 直接合成第一人称视角，替代传统的深度估计与点云重投影管线，并将结果作为条件输入视频扩散模型，在跨视角视频生成上超越现有 SOTA 且能跨数据集泛化。
OuroWorld 是一个无掩码框架，可将任意静态 3D Gaussian Splatting 场景转化为 3D 动态摄影（cinemagraph）：一个具有生动多样运动、从任意视角均可无缝循环的动态场景。它利用视觉语言模型推断合理的动态并引导视频模型合成参考视频，随后将其提升并补全为多视角视频。为从这种不完美的监督中学习，作者提出了 Inconsistency-Robust Periodic 4DGS：傅里叶级数形变场从结构上保证循环性，而锚定于参考视角的 Grounded Drift Field 则吸收跨视角的不一致性。与局限于流体式运动的既有欧拉方法不同，该方法能够捕捉一般形变、物体运动和光照变化。作者还引入了一套无需真值的评估体系，涵盖生动性、自然度、循环接缝连贯性和场景质量。在 39 个重建与生成场景上，OuroWorld 优于所有基线，并在用户研究对比中以 70.8%-99.0% 的胜率胜出。项目主页：https://ouroworld.userwei.com
Mobile-4DGS 提出了一个统一的轻量级框架，在资源受限的移动设备上实现高保真、实时的静态与动态高斯溅射渲染。该方法通过压缩外观建模、多视角致密化与剪枝，以及紧凑的显式 4D 表示（含静态-动态划分与深度顺序复用），显著降低了存储和渲染开销，同时保持了有竞争力的视觉质量。
NAMVIS 提出了一种无扩散框架，将稀疏视角多视图图像合成重新定义为几何条件下的下一尺度自回归任务，通过多尺度投影位姿编码将生成过程锚定到相机几何上。在 Objaverse、GSO 和 OmniObject3D 数据集上，NAMVIS 在 PSNR/SSIM/LPIPS 指标上超越了基于扩散的基线方法，同时运行速度快 3 倍以上。
DyRAD 提出了一种面向动态驾驶场景的雷达新视角合成方法，通过建模静态背景与经运动跟踪的动态点反射器，渲染出完整的距离-方位-多普勒张量；该方法使用固定的解析点扩散函数，从而实现零样本的传感器配置迁移，并在 RADIal 基准上大幅超越基线方法。
GeoVerse 是一个框架，通过在三维基础模型的几何潜空间中进行生成，并注入视频生成模型的外观先验，来合成全局一致的新视角，展示了相比现有方法在视觉质量和几何一致性上的提升。
VGGT-Diff是一种基于几何路由的多视角扩散模型，它将视觉几何潜在变量与预训练扩散模型相结合，以改进稀疏视角新视角合成，达到竞争性或最先进的性能。
ATSplat 提出了一种前馈式3D高斯溅射框架，利用自适应3D Token根据场景复杂度分配图元，在实现最先进渲染质量的同时，将高斯体数量相比密集方法减少了5.7倍以上。
AsySplat提出了一种非对称架构，将3D高斯泼溅中的几何和外观建模解耦，实现了长序列场景建模的高效率，相比基于优化的方法加速近800倍。
MetaView 提出了一种基于扩散的单目新视角合成框架，该框架结合了隐式几何先验与度量深度引导，能够在单张图像的大视角变化下实现一致且可控的渲染。
Flux-GS通过高效光照表示、属性条件增强和多视图稠密化策略，在移动平台上实现了实时高保真3D高斯溅射。
介绍了DF3DV-1K，一个包含1048个场景和89924张图像的大规模真实世界数据集，用于无干扰的新视角合成，同时提供了九种方法的基准测试，以及通过微调基于扩散的2D增强器来改进辐射场方法的应用。
Track2View 通过将视频扩散转换器基于配对3D点轨迹进行条件生成，从视频中生成新的相机视角，实现了最先进的视觉质量，并显著降低了旋转和平移误差。
一种无需训练的空间推理框架，它利用由预测3D几何生成的合成新视角视频，实现对自我中心视频中结论的重新审视。