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。

Awesome-AIGC-3D是一个精选的AIGC 3D论文资源列表，涵盖了从物体到场景生成的多种3D生成方法。项目包括最新的扩散模型、神经辐射场等技术，并收录了相关综述文章、基准数据集和实现代码。这为3D生成领域的研究人员和开发者提供了全面的技术参考。

NeuRBF是一种创新的神经场表示方法，通过适应性径向基函数实现高精度和模型紧凑性的平衡。该方法在图像拟合、SDF拟合和神经辐射场等任务中展现出优异性能，为计算机视觉和图形学研究提供了有力工具。项目提供了基于PyTorch的开源实现，并附有详细的安装和使用说明，便于研究人员复现和深入探索。

pix2pix3D是一个3D感知条件生成模型，可以根据2D标签图(如分割图或边缘图)生成逼真的3D对象图像。该模型结合神经辐射场技术，能从多个视角渲染图像。通过同步生成图像和对应的标签图，pix2pix3D实现了交互式3D编辑功能，为可控的3D感知图像合成开辟了新途径。

arxiv-daily是一个自动化arXiv论文摘要更新系统。该项目每日整理3D视觉、点云匹配、目标跟踪等领域的最新论文。用户可定制关键词筛选感兴趣的论文，实现高效的学术前沿追踪。系统支持历史数据查询功能，为研究人员提供便捷的文献管理平台。通过arxiv-daily,科研工作者可以轻松掌握学术动态,提升科研效率。

Awesome-Text-to-3D是一个汇集文本到3D和扩散到3D领域最新研究成果的开源项目。它涵盖了从零样本文本引导对象生成到高保真3D人脸生成等多个方向的前沿论文。项目定期更新，并提供教程视频和引用信息，为研究人员和开发者提供了跟踪该领域进展的综合资源。

LandMark是一个基于GridNeRF的大规模3D城市场景重建与渲染系统。通过并行计算、算子优化和算法改进,该系统实现了100平方公里以上城市数据的高效3D神经场景训练,渲染分辨率可达4K。LandMark不仅支持场景布局调整和风格化等功能,还提供了完整的训练、渲染和应用基础设施,为大规模真实世界3D重建开辟了新的可能。

NeRF-Factory是一个包含7种流行NeRF模型PyTorch实现的开源库。该项目支持7个常用NeRF数据集，提供可视化工具，易于扩展和使用。研究人员可通过简单命令运行不同NeRF模型，进行训练和评估。这个由POSTECH、KAIST和Kakao Brain维护的项目为NeRF研究提供了实用的实验平台。

ER-NeRF项目开发了一种区域感知神经辐射场技术，用于生成高保真的说话人物肖像。这种方法通过区域化处理提升了渲染效率和质量，可以渲染头部和躯干。项目开源了预训练模型和使用指南，涵盖数据预处理、模型训练和推理等环节。ER-NeRF在说话人物肖像合成领域展现出优异性能，为相关研究提供了新的思路。