神经辐射场

基于预训练扩散模型的无需3D训练数据的3D生成工具 DreamFusion通过梯度下降优化随机初始化的神经辐射场生成3D对象，无需3D训练数据，也不需要修改预训练图像扩散模型，直接利用预训练扩散模型作为生成先验。生成的3D对象支持任意角度观察、任意照明重新打光，还可与任意3D环境合成，验证了预训练图像扩散模型在3D生成领域的应用有效性。

Spell by Spline是基于扩散模型的AI快速3D场景生成工具 这款工具结合真实数据与合成数据训练，可在几分钟内生成具备多视图一致性的3D世界，支持高斯绘制、神经辐射场等多种渲染技术，相比传统3D生成方案效率提升明显。目前产品仍处于开发阶段，团队会持续更新迭代模型，优化生成质量，为3D创作者降低场景生成门槛。

基于混合分数蒸馏的高保真文本到4D场景生成方法 该方法整合多类预训练扩散模型的梯度信号，分步优化4D场景的结构、外观与运动效果，采用神经辐射场结合动静多尺度哈希表做参数化表示，可生成兼具完整3D结构、逼真外观与自然运动的4D场景，生成保真度优于单一模型方案。

NeRFStudio官方文档站点，提供神经辐射场开发技术支持 该站是NeRFStudio开源神经辐射场框架的官方文档平台，面向神经辐射场研发人员，整理了从环境配置、项目部署到自定义模型开发、结果调试的全流程内容。所有内容由官方维护，完全匹配NeRFStudio项目迭代，相较于第三方整理文档，准确性与时效性更强。

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。