3D场景编辑

基于频域分解的高保真NeRF场景编辑工具，支持编辑强度调控 Freditor是针对NeRF场景编辑提出的技术方案，通过频域分解将NeRF场景划分为高频细节部分与低频内容部分，仅对低频部分执行风格迁移后重新集成高频细节，输出高保真编辑结果。该方案支持推理阶段动态调整编辑强度，经实验验证，在编辑结果保真度、场景迁移性两方面均优于现有同类NeRF编辑方法

基于扩散模型的NeRF场景编辑工具，无需迭代优化保持3D一致性 不同于传统NeRF场景编辑需迭代优化易破坏一致性的痛点，SIGNeRF采用全新生成更新策略，依托ControlNet深度条件图像扩散模型优势，仅需几个步骤、单前向传递即可完成现有NeRF场景编辑，支持新增对象与修改现有对象，实现精准场景控制。

面向3D场景编辑的AI方法，无需显式3D信息实现可控3D对象插入 InseRF是一款面向3D场景编辑的AI生成方法，可基于用户提供的文本描述、参考视点中的2D边界框，生成新3D对象并插入目标场景。该方法无需依赖对象或场景的显式3D信息，即可实现可控、3D一致的对象插入效果，经多场景测试验证，其有效性优于现有同类方法。

基于扩散模型的开源材料纹理提取与PBR生成工具 该工具通过扩散模型将图像区域映射到材料概念，采样生成相似纹理，再通过独立网络将纹理分解为空间变化BRDF，为渲染应用准备可用材质。采用无监督域自适应实现新样本泛化，经合成与真实数据集验证，支持从真实照片估算材料用于3D场景编辑。

支持文本指令编辑的NeRF原生3D场景编辑技术项目 该项目依托InstructPix2Pix图像条件扩散模型，在逐步编辑输入场景观测图像的同时，同步优化底层NeRF场景结构，最终生成符合编辑指令的3D场景。不同于传统3D编辑方案，它可直接编辑已重建的NeRF场景，能处理大规模真实场景，输出结果比过往同类方法更真实贴合指令要求。