awesome-nerf-editing

项目介绍：awesome-nerf-editing

awesome-nerf-editing 是一个聚焦于辐射场（Radiance Fields）编辑的资源合集，旨在为研究和爱好者提供丰富的参考资料，以便更好地理解和掌握相关的技术。在这里，您能找到关于神经辐射场（NeRF）和 3D 高斯分布（3D-GS）的最新研究动态，这些技术正不断革新 3D 计算机视觉和图形学的领域。

项目背景

辐射场编辑是 3D 计算机图形学中的一个重要研究方向。通过神经网络对场景进行编码和合成，NeRF 提供了一种全新的视角来处理和操作 3D 场景。3D-GS 则利用高斯分布的方式，实现实时的辐射场渲染。因此，掌握这些技术对现代 3D 图形设计和开发者至关重要。

项目内容

重要论文

在这个项目中，用户可以访问一系列具有里程碑意义的论文，包括：

• NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis（ECCV 2020）：这篇论文介绍了基于神经网络的辐射场表示方法。

• 3D Gaussian Splatting for Real-Time Radiance Field Rendering（SIGGRAPH 2023）：提出了一种实时渲染辐射场的新技术，通过高斯分布实现高效的场景合成。

相关综述

项目中还整理了一些相关的综述文章，这些文章提供了对当前技术的全面回顾与展望。例如，《3D Gaussian Splatting: Survey, Technologies, Challenges, and Opportunities》介绍了 3D 高斯分布当前的发展、技术难点以及未来机遇。

最新研究

这个部分汇聚了最新的研究论文和项目，展示了 2024 年的一系列前沿研究：

• WildGaussians: 3D Gaussian Splatting in the Wild（NeurIPS 2024）：探讨在不受限制的环境下进行 3D 高斯分布的技术。

• MVInpainter: Learning Multi-View Consistent Inpainting to Bridge 2D and 3D Editing（NeurIPS 2024）：研究一种多视角一致性修补技术，以连通 2D 与 3D 的编辑。

• ReplaceAnything3D:Text-Guided 3D Scene Editing with Compositional Neural Radiance Fields（NeurIPS 2024）：介绍了基于文本引导的 3D 场景编辑方法。

项目维护

该项目由来自不同学术机构的研究人员负责维护，包括清华大学 AIR DISCOVER 实验室的 Weize Li 和 Huan-ang Gao，以及蒙特利尔大学和 Mila 的 Tianshu Kuai。他们定期更新和整理最新的研究成果，以确保信息的时效性和准确性。

交流与参与

项目开放接收外部贡献，欢迎研究人员和开发者提交 Pull Request 或者提出 Issue，以完善项目中收录的资料和论文信息。

通过对 awesome-nerf-editing 的探索，用户可以深入了解和学习辐射场编辑领域的前沿技术、重要突破及其在实际应用中的潜力。这是一个持续成长并开放合作的项目，旨在推动 3D 编辑技术的发展。