神经渲染

360°几何感知3D全头合成技术，支持野外非结构化图像训练 不同于传统3D头部合成方法依赖规范标注的结构化训练数据集，PanoHead仅依靠野外非结构化图像即可完成训练，能够输出视图一致的高质量360°全头部合成内容，同时保留精准详细的头部几何形状，面向计算机视觉领域的3D重建研究提供技术支持。

基于在线图像集合的高质量物体几何材质获取神经渲染方法 NeROIC是从包含不同相机参数、光照与背景的在线图像集合中，提取任意物体高质量几何与材质属性的方法，基于扩展神经辐射场的多阶段框架实现，利用前景掩码提升训练效率，通过稳健法线估计消噪保细节，最终分离材质与光照，可支撑多种物体中心渲染任务。

基于体积神经解缠的3D头部重现技术，适配全息显示场景 VOODOO 3D是面向全息显示场景的3D感知头部重现技术项目，采用完全体积神经解缠框架，实现源人物外观与驱动表情的解耦，可将驱动者表情精准转移到源头部，生成视图一致的全息显示渲染结果。该技术实时性强，输出高保真，在多类数据集上取得了当前最先进性能，可适配复杂姿势、复杂表情的头部处理需求。

基于神经网络的实时4D头像合成技术项目，支持交互渲染 该项目提出三阶段神经头像合成流水线，通过学习连续变形、流形与辐射场，提取分层网格并将相关外观烘焙为静态纹理，依托微分光栅化微调纹理细节。相比同类方法，它在合成质量接近SOTA水平的同时，大幅降低推理耗时，可从单目视频生成结果，全程保持交互式帧率。

基于多视角视频的高细节手部实时神经渲染工具 XHand通过多视角视频训练建模，依托MANO姿势参数生成高细节手部网格与渲染结果，支持不同手部姿势下的实时渲染输出。相较于传统手部渲染方案，XHand在输出图像真实感、整体渲染质量上表现更优，主要服务于扩展现实、游戏领域的逼真手部图像生成需求。