Generalizable NeRF Transformer (GNT) 是一个用于高效重建和渲染神经辐射场的纯Transformer架构。它通过视图Transformer和射线路径Transformer两个阶段完成场景表示和渲染。GNT在跨场景训练中展示了其在多个数据集上优异的性能和普遍适用性。

SDFStudio是一个为神经隐式曲面重建设计的模块化框架，基于nerfstudio项目构建。它支持UniSurf、VolSDF和NeuS三大重建方法，处理多种场景表示和采样策略，并集成单目线索和几何正则化等最新技术。其灵活架构方便在不同方法间应用新理念，例如Mono-NeuS和Geo-VolSDF。本页面提供详尽的安装指南、训练示例和结果导出方法，适用于研究者和工程师。

NerfAcc是一款基于PyTorch的NeRF加速工具箱，专注于辐射场体积渲染中的高效采样。这款工具无需大幅度修改现有代码，即可显著加速多种NeRF模型的训练过程。NerfAcc提供纯Python接口与灵活API，只需简单定义sigma_fn和rgb_sigma_fn函数即可实现加速。支持CUDA加速，并提供易于安装的预构建轮包。详细信息请参考NerfAcc官方网站。

UnboundedNeRFPytorch项目专注于基准测试多种最新的大规模神经辐射场（NeRF）算法，并提供简洁高效的代码库。项目展示了在Unbounded Tanks & Temples和Mip-NeRF-360基准测试中的优秀表现，旨在帮助研究人员和开发者提升NeRF应用效果。包括详细的安装步骤、数据处理指南和训练自定义NeRF模型的方法，适合技术用户快速上手并获得佳绩。

本项目旨在从多视角图像优化3D模型的拓扑结构、材质和光照，基于论文《从图像中提取三角形3D模型、材质和光照》的方法。项目新增支持FlexiCubes技术，并简化代码，保持原有运行性能。需要Python 3.6+及CUDA 11.3+环境，主要适用于高端NVIDIA GPU。提供多种配置和示例，包括NeRF合成数据集及NeRD数据集，并有详细的安装和使用教程，适合从事3D深度学习研究的开发者和学者。

taichi-nerfs 是一个基于 PyTorch 和 Taichi 的神经辐射场(NeRF)实现框架。该项目提供快速训练和实时渲染功能，支持合成数据集和真实场景重建。它包含移动设备部署方案，可在 iOS 设备上实现实时交互。taichi-nerfs 还可作为文本到3D生成项目的后端，支持多种数据集，并提供从视频训练 NeRF 的功能。

X-KANeRF项目探索了利用Kolmogorov-Arnold网络和多种基函数拟合神经辐射场方程的方法。项目实现了20多种基函数模型,包括B样条、傅里叶变换和高斯RBF等,并在合成数据集上比较了性能。研究结果显示不同基函数对NeRF表现的影响各异,为NeRF模型优化提供了新视角。该研究为理解和改进NeRF模型提供了新思路,有望推动计算机视觉和图形学领域的进步。

这个项目汇集了神经隐式表示和NeRF在机器人领域的应用论文，涵盖物体姿态估计、SLAM、操作学习、物体重建、物理模拟和导航规划等方向。它为研究人员和工程师提供了解该交叉领域最新进展的综合资源。

由伯克利AI研究院创建的nerfstudio是一个开源平台，专注于易于合作的NeRFs开发。它不仅实现了NeRFs的模块化和高解释性，还通过社区贡献和全面的学习资源促进技术探索与精通。