最近读的五篇论文（三维）

1. 3D Photo Stylization:Learning to Generate Stylized Novel Views from a Single Image 

提出了第一个解决3D图像风格化的方法，可以将任意风格迁移到单个内容图像，并合成新视角图像。

文章方法在点云上学习几何感知特征，而不使用2D内容图像特征，并且仅从2D图像数据集。

方法有非常好的定性和定量的结果，并且支持几个有趣的应用。

突破难点：新视角合成、多视角风格一致（光栅化流程中找相同视点约束）

主要引用了one-shot3D photo的成果，将2D图像风格迁移至3D。

2. 3D Gaussian Splatting for Real-Time Radiance Field Rendering 

引入了一种各向异性的三维高斯分布，作为高质量、非结构化的场景表达。

实现了使用GPU进行快速可微的渲染，允许各向异性的splatting和快速反向传播。

提出了针对三维高斯特性的优化方法，并同时进行自适应密度控制。

3. AlteredAvatar: Stylizing Dynamic 3D Avatars with Fast Style Adaptation 

引入了一种元学习方法来对动态3D角色进行风格化，仅使用少量更新步骤即可快速适应任何新风格。

在AlterdAvatar中使用CLIP提取特征为使用文本描述或参考样式文本和图像的组合进行语义上有意义的风格化提供了一个富有表现力和灵活的框架。

方法在高分辨率下产生风格化的动态3D化身，具有跨视图和表情的一致性，并具有快速适应新风格的灵活性。

另外，文章实验发现图像和文本增强对风格迁移的效果影响很大，文章中对图像使用了和Tex2Live相同的增强策略，对文本使用了和StyleGAN-NADA相同的增强策略。

4. Eg3d

5. Live 3D Portrait:Real-Time Radiance Fields for Single-Image Portrait View Synthesis

提出了一个前馈编码器模型，可以直接从一张输入图像中推断出三平面3D表示，不需要测试时间的优化。

提出了一种对前馈三平面编码器的新训练策略，用于3D反演，仅使用预训练的3D感知图像生成器生成的合成数据。

方法可以在给定单个未提供姿态的图像情况下实时推断出逼真的3D表示。结合基于transformer的编码器和动态增强策略，方法可以稳健处理具有挑战性的侧视图和遮蔽图。