StyleFields: Multi-Scale AdaIN-Modulated Implicit SDFs for Coarse-to-Fine 3D Shape Reconstruction and Editing
Bilkent University（比尔肯大学）；École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院）
StyleFields提出一种基于DeepSDF的多尺度AdaIN调制隐式SDF架构，实现从粗到细的三维形状重建与可控风格混合，并在汽车空气动力学优化中验证了其有效性。
2026-10-08 cs.CV cs.GR
Environment Maps Editing using Inverse Rendering and Adversarial Implicit Functions
Sapienza, University of Rome（罗马第一大学）；University of Modena and Reggio Emilia（摩德纳-雷焦艾米利亚大学）
本文提出结合可微逆渲染与带权重对抗扰动的隐式神经表示来编辑 HDR 环境贴图，在保持背景、反射和视觉一致性的同时实现低成本、平滑的光照操控。
2024-10-24 cs.CV cs.GR
HPR3D: Hierarchical Proxy Representation for High-Fidelity 3D Reconstruction and Controllable Editing
提出一种基于稀疏树状代理节点的3D层次化表示方法，通过局部神经插值实现高保真重建与直接拖拽编辑，兼顾紧凑性与可扩展性。
2025-07-16 cs.CV cs.GR
3D Neural Sculpting (3DNS): Editing Neural Signed Distance Functions
National Technical University of Athens（雅典国立技术大学）；Foundation for Research & Technology - Hellas (FORTH)（希腊研究与技术基金会（FORTH））；University of Exeter（埃克塞特大学）
近年来，通过编码符号距离的神经网络的隐式表面表示已经流行起来，并且在各种任务（例如，形状表示、形状重建和学习形状先验）中已经实现了最先进的结果。然而，在传统的形状表示，如多边形网格，隐式表示不能很容易地编辑和现有的作品，试图解决这个问题是非常有限的。在这项工作中，我们提出了第一种方法，有效的交互式编辑通过神经网络表示的有符号的距离函数，允许自由形式的编辑。受3D网格雕刻软件的启发，我们使用了一个基于画笔的框架，该框架非常直观，将来可以被雕刻家和数字艺术家使用。为了定位所需的表面变形，我们通过使用它的副本来对先前表达的表面进行采样来调节网络。我们引入了一个新的框架，模拟雕刻风格的表面编辑，结合交互式表面采样和有效的适应网络权重。我们在各种不同的3D对象和许多不同的编辑下定性和定量地评估我们的方法。报告的结果清楚地表明，我们的方法在实现所需的编辑方面具有很高的准确性，同时保留了交互区域之外的几何形状。
2023-01-27 cs.CV cs.GR
SPLICE: Part-Level 3D Shape Editing from Local Semantic Extraction to Global Neural Mixing
CSSE, Shenzhen University（深圳大学计算机科学与工程学院）
SPLICE通过部件级神经隐式表示实现直观且高保真的3D形状编辑，支持多种编辑操作并提升编辑效果。
2025-12-04 cs.GR
A Level Set Theory for Neural Implicit Evolution under Explicit Flows
University of California San Diego（加州大学圣地亚哥分校）
基于坐标的神经网络参数化隐式曲面已成为几何的有效表示。它们有效地充当参数水平集，其中零水平集定义感兴趣的表面。我们提出了一个框架，允许应用变形操作定义的三角形网格到这样的隐式曲面。这些操作中的几个可以被看作是能量最小化问题，在显式表面上引起瞬时流场。我们的方法使用流场变形参数隐式曲面通过扩展的经典理论水平集。我们还得到了一个统一的看法，现有的方法可微表面提取和渲染，通过形式化连接到水平集理论。我们表明，这些方法漂移的理论，我们的方法表现出改进的应用程序，如表面平滑，平均曲率流，逆渲染和用户定义的编辑隐式几何。
2022-07-21 cs.CV cs.GR cs.LG
Text-guided Image-and-Shape Editing and Generation: A Short Survey
George Mason University（乔治梅森大学）
本文综述了50余篇文本引导的图像与形状编辑和生成技术，分别梳理2D与3D方法，并结合隐式神经表示讨论现有方法与未来研究方向。
2023-04-18 cs.CV cs.GR
Neural Atlas Graphs for Dynamic Scene Decomposition and Editing
针对现有动态场景表示在可编辑性与复杂度支持上的权衡问题，本文提出混合表示Neural Atlas Graphs，在驾驶及通用视频数据集上取得更优量化结果，支持高分辨率场景编辑。
2025-11-17 cs.CV cs.GR cs.LG
CNS-Edit: 3D Shape Editing via Coupled Neural Shape Optimization
The Chinese University of Hong Kong（香港中文大学）；Simon Fraser University（西蒙菲莎大学）
本文提出CNS-Edit，通过耦合神经形状表示和体积优化在潜在空间隐式编辑3D形状，支持复制、缩放、删除和拖动操作，实现语义感知且优于现有方法的编辑效果。
2024-02-04 cs.CV cs.GR
LoopDraw: a Loop-Based Autoregressive Model for Shape Synthesis and Editing
University of Chicago（芝加哥大学）；TTI-Chicago（芝加哥TTI）
本研究提出了一种基于横截面闭合循环序列的3D形状表示新方法，利用循环的组织层级进行自回归形状合成与编辑，展示了循环作为非局部基元在形状分析和编辑中的直观性与高效性。
2024-05-29 cs.CV cs.GR
SPIDR: SDF-based Neural Point Fields for Illumination and Deformation
University of Toronto（多伦多大学）；UC Berkeley（加州大学伯克利分校）；Shanghai Jiao Tong University（上海交通大学）；Vector Institute（向量研究所）
提出混合神经SDF表示SPIDR，结合点云与隐式表示，通过神经环境光模型与阴影映射技术，实现高质量几何形变编辑及准确的场景光照更新。
2023-04-07 cs.AI cs.CV cs.GR
Interactive Stroke-based Neural SDF Sculpting
Michigan State University（密歇根州立大学）
本文提出一种交互式笔画神经SDF雕刻框架，解决传统网格工具无法高效雕刻神经SDF的问题，实现直观、高性能的三维形状编辑。
2026-08-20 cs.CV cs.GR
i3DMM: Deep Implicit 3D Morphable Model of Human Heads
TU Munich（慕尼黑工业大学）；MPI Informatics（马克斯·普朗克信息学研究所）
我们提出了第一个深度隐式三维变形模型（i3DMM）的完整的头部。与早期的可变形人脸模型不同，它不仅捕捉了特定于身份的几何形状、纹理和正面表情，还对整个头部（包括头发）进行了建模。我们收集了一个新的数据集，由64个不同表情和发型的人组成，训练i3DMM。我们的方法具有以下优点：（i）它是第一个包括头发的完整头部变形模型。(ii)与基于网格的模型相比，它可以仅在刚性对齐的扫描上进行训练，而不需要困难的非刚性配准。(iii)我们设计了一种新的架构，解耦的形状模型成一个隐式的参考形状和变形的参考形状。这样，形状之间的密集对应关系就可以隐式地学习了。(iv)这种架构允许我们在语义上解开几何和颜色组件，因为颜色是在参考空间中学习的。几何被进一步分解为身份，表情和发型，而颜色被分解为身份和发型组件。我们展示了i3DMM使用消融研究的优点，与最先进的模型的比较，以及语义头编辑和纹理传输等应用。我们将公开我们的模型。
2020-11-28 cs.CV cs.GR cs.LG
ENVIDR: Implicit Differentiable Renderer with Neural Environment Lighting
University of Toronto（多伦多大学）；Vector Institute（向量研究所）；Intel Labs（英特尔实验室）
神经渲染的最新进展显示了从多视点图像重建场景的巨大潜力。然而，精确地表示具有光滑表面的对象对于现有方法来说仍然是一个挑战。在这项工作中，我们介绍了ENVIDR，渲染和建模框架的高质量渲染和重建具有挑战性的镜面反射表面。为了实现这一目标，我们首先提出了一种新的神经渲染器，它具有分解的渲染组件来学习表面和环境照明之间的交互。该渲染器使用现有的基于物理的渲染器进行训练，并与实际场景表示解耦。然后，我们提出了一个基于SDF的神经表面模型，利用这个学习的神经渲染器来表示一般场景。我们的模型还合成了间接照明所造成的相互反射，从闪亮的表面进行表面反射光线。我们证明了我们的方法在具有挑战性的闪亮场景上优于最先进的方法，提供了高质量的镜面反射渲染，同时还支持材质编辑和场景重新照明。
2023-03-23 cs.CV cs.GR cs.LG
Anatomically Constrained Implicit Face Models
DisneyResearch|Studios（迪士尼研究工作室）
针对传统解剖约束人脸模型评估慢、构建需大量数据的问题，提出由隐式神经网络集成的解剖隐式人脸模型，仅需少量数据即可恢复约束面部的解剖子结构，可替代传统blendshape模型并适用于多类人脸相关任务。
2023-12-12 cs.CV cs.GR
Neurally Integrated Finite Elements for Differentiable Elasticity on Evolving Domains
NVIDIA（英伟达）
本文提出用小型神经网络拟合积分点并结合混合有限元，构建对形状和材料可微的隐式弹性模拟器，支持三维重建中的前向模拟、编辑模拟及物理驱动的形状与拓扑优化。
2025-04-08 cs.CV cs.GR
Blended-NeRF: Zero-Shot Object Generation and Blending in Existing Neural Radiance Fields
The Hebrew University（希伯来大学）
Blended-NeRF提出一种基于文本提示和3D ROI框的零样本框架，利用预训练语言-图像模型和3D MLP在现有NeRF场景中生成并混合新对象，实现局部编辑与多视图一致的高质量结果。
2023-09-07 cs.CV cs.GR cs.LG
DASS: Detail Aware Sketch-Based Surface Modeling
我们提出了一个基于草图的造型系统，适合于细节编辑，基于曲面的多级表示。这种表示的主要优点是允许控制模型的局部（细节）和全局变化。我们使用自适应网格（4-8网格），并开发了标签理论来构建流形结构，该结构负责控制模型的局部编辑。整体形状和全局修改由变分隐式曲面（Hermite RBF）定义。我们的系统组装歧管结构，允许用户添加细节而不改变整体形状，以及编辑整体形状，同时重新定位细节连贯。
2014-06-26 cs.GR
Recent Advances in 3D Gaussian Splatting
VAST；Department of Computer Science, University of California（加利福尼亚大学计算机科学系）
本文针对3D高斯泼溅（3DGS）技术开展综述，梳理其相较于神经隐式表征的优势，按功能分类介绍近期相关方法，并补充基础技术背景，为不同阶段的研究者提供参考，推动该表征技术的发展。
2024-04-13 cs.CV cs.GR
FreNBRDF: A Frequency-Rectified Neural Material Representation
Department of Computer Science and Technology（计算机科学与技术系）；University of Cambridge（剑桥大学）
本文提出FreNBRDF，通过球谐函数将频率域分析引入神经BRDF建模，并设计频率校正损失，显著提升了材质外观重建与编辑的精度、鲁棒性和可解释性。
2025-07-01 cs.CV cs.GR
GA-Sketching: Shape Modeling from Multi-View Sketching with Geometry-Aligned Deep Implicit Functions
本文提出GA-Sketching方法，通过学习几何对齐深度隐式函数，将2D草图提升为与3D形状对齐的特征张量，实现准确重建与忠实编辑，并构建统一交互系统支持多视图迭代建模与局部修改，在准确性、效率和满意度上优于现有方法。
2023-09-12 cs.GR
