Text-based Transfer Function Design for Semantic Volume Rendering
针对体绘制中传输函数设计难度大、存在语义鸿沟的问题，提出结合语言-视觉模型、全可微渲染管线与文本引导图像损失的方法，可基于简单文本生成符合用户意图的传输函数，降低体绘制使用门槛。
2024-06-21 cs.GR
ESVR: 3D Ellipsoid-based Sparse Volume Rendering via Structure-aware Primitive Learning and Per-primitive Ray Sampling
Korea University（高丽大学）
针对现有3DGS方法依赖DVR图像学习导致信息损失与传递函数控制受限的问题，提出ESVR框架，结合结构感知基元学习与逐基元光线采样等技术，实现大规模稀疏体数据的高效压缩与实时高质量渲染。
2026-08-07 cs.GR
Efficient and Effective Volume Visualization with Enhanced Isosurface Rendering
与全体渲染绘制相比，等值面绘制在效率和准确性方面具有公认的优势。然而，标准等值面绘制在有效性上有一些局限性。首先，它使用单调着色的方法，并且只能可视化等值面的几何特征。这种方法在应用中的一个很大局限是不能很好地描述等值面背后的材料性质和内部结构。等值面绘制的另一个限制是难以揭示隐藏在一个或多个等值面中的物理上有意义的结构。因此，利用等值面绘制技术不能有效地实现感兴趣结构的提取和重组等应用需求。在这项工作中，我们开发了一种增强的等值面绘制技术，以提高效率，同时保持标准等值面绘制的性能效率。首先，提出了一种等值面颜色增强方法来说明邻域密度和揭示一些内部结构。其次，我们扩展了等值面绘制的结构提取能力，使明确的场景探索在一个3D视图，使用表面剥离，体素选择，等值面分割，和多表面结构可视化。实验结果表明，颜色增强不仅提高了渲染的视觉逼真度，而且在不显著增加计算成本的情况下，揭示了内部结构。显式场景探索也被证明是一个强大的工具，在一些应用场景，如显示多个腹部器官。
2012-02-24 cs.GR
Transfer Function Optimization for Comparative Volume Rendering
针对对比体绘制中传递函数选择影响结果比较的问题，提出自动优化传递函数的技术，给出基于体素和可微体绘制的两种方案及残差可视化方法，助力判断可视化差异来源。
2023-06-09 cs.GR
Real-Time Denoising of Volumetric Path Tracing for Direct Volume Rendering
使用体积路径追踪（VPT）的直接体渲染（DVR）是一种科学可视化技术，其使用基于物理的照明模型来模拟光与对象物质的传输。蒙特卡罗（MC）路径追踪通常用于表面模型，但由于在没有或光滑材料边界的体积介质中集成MC光路的复杂性，其在体积模型中的应用是困难的。此外，为体积产生的辅助几何缓冲区（G缓冲区）通常非常嘈杂，无法引导依赖于该信息的图像去噪器来保留图像细节。这使得现有实时的【形】去噪器（其将无噪声G缓冲区作为其输入）在对VPT图像进行去噪时效率较低。我们提出了必要的修改，以前使用的基于图像的降噪渲染表面模型时，并证明有效的VPT图像去噪。特别是，我们的去噪利用了帧之间的时间相干性，而不依赖于无噪声的G缓冲区，这是现有表面模型去噪器的常见假设。我们的技术保留高频细节，通过加权递归最小二乘法处理异构噪声的体积模型。我们表明，对于各种真实数据集，我们的方法提高了视觉保真度和时间稳定性的VPT在经典的DVR操作，如摄像机的运动，修改的光源，和版本的体积传递函数。
2021-06-15 cs.GR
Deep Direct Volume Rendering: Learning Visual Feature Mappings From Exemplary Images
Technical University of Munich（慕尼黑工业大学）
体渲染是三维标量数据网格可视化的重要技术，通常用于科学和医学图像数据。直接体渲染（DVR）是一种成熟的高效体数据绘制算法。神经渲染使用深度神经网络来解决逆渲染任务，并应用类似于DVR的技术。然而，它还没有被成功地证明为科学体数据的渲染。在这项工作中，我们介绍了深度直接体渲染（DeepDVR），DVR的推广，允许深度神经网络集成到DVR算法。我们在潜在的颜色空间中概念化渲染，从而能够使用深度架构来学习用于特征提取和分类的隐式映射，取代显式特征设计和手工制作的传递函数。我们的推广服务，以获得新的体渲染架构，可以直接从图像空间中的例子端到端训练，避免了需要手动定义和微调多维传递函数，同时提供卓越的分类强度。我们进一步引入了一种新的步长退火方案来加速DeepDVR模型的训练，并在一组实验中验证了其有效性。我们在两个示例用例上验证了我们的架构：（1）从单个体积的手动调整参考图像中学习优化渲染，以及（2）学习高级可视化概念，如着色和语义着色，这些概念可以推广到不可见的体积数据。我们发现，具有DVR管道显式建模的深度体渲染架构有效地支持从目标图像中端到端学习科学体渲染任务。
2021-06-09 cs.GR cs.LG
Antara: An Interactive 3D Volume Rendering and Visualization Framework
3D可视化的目标是为用户提供一个直观的界面，使他能够以交互的方式探索3D数据。勘探的目的是识别和分析异常或证明可视化有机结构的非异常。对于3D医疗数据，已使用磁共振图像（MRI）。为了创建3D模型，我们使用了直接体渲染技术。在输入的3D数据中，我们有$x, y$和$z$坐标以及每个体素的强度值。3D数据由体积射线投射用于从3D体积数据集计算2D投影。在光线投射中，使光线穿过体数据。每个体素与该射线的交互用于为体积中的每个体素分配RGB和alpha值。因此，我们能够使用3D数据生成感兴趣区域的3D模型。3D模型是交互式的，因此使我们能够通过调整传递函数来可视化3D体积的不同层。
2018-12-11 cs.GR
Volumetric Inverse Rendering via Neural Radiative Transfer
Max-Planck-Institut für Informatik（马克斯·普朗克计算机科学研究所）；University College London（伦敦大学学院）
研究体积逆渲染问题，提出结合物理光传输与神经优化的方法，将介质光学属性和光场表示为神经场并联合优化，可从多视图图像重建相关参数，还能支持学习参与介质生成模型。
2026-07-16 cs.GR
Volume Encoding Gaussians: Transfer Function-Agnostic 3D Gaussians for Volume Rendering
University of Illinois Chicago（伊利诺伊大学芝加哥分校）；Utah State University（犹他州立大学）；Luminary Cloud；Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）
提出体积编码高斯方法，通过无转移函数依赖的3D高斯表示实现高效体积渲染，优于现有方法并节省资源。
2026-01-12 cs.GR
Residency Octree: A Hybrid Approach for Scalable Web-Based Multi-Volume Rendering
本研究提出基于新型驻留八叉树的混合多体绘制方法，解耦缓存驻留与空间细分，兼具八叉树与页表优势，还实现了基于WebGPU和WebAssembly的纯客户端Web渲染器，性能优于现有方法。
2023-09-08 cs.GR
Interactive volume illumination of slice-based ray casting
体渲染在医学成像和工业设计领域一直扮演着重要的角色。近年来，基于全局光照的真实感交互式体渲染可以提高体数据集的形状和深度感知能力。本文提出了一种新的基于切片的光线投射方法，用于实现体照明效果，如体阴影和其他散射效果。这得益于光源视角下整个几何切片的基于切片的照明衰减缓冲区以及光线投射中每个样本的高效阴影或散射系数计算。实验表明，与光线投射体渲染中的局部体照明或其他类似的基于切片的全局体照明相比，该方法可以获得更好的体照明效果和更高的可扩展性。
2020-08-13 cs.GR
Efficient Raycasting of Volumetric Depth Images for Remote Visualization of Large Volumes at High Frame Rates
提出一种高效的VDI光线投射算法，利用透视投影和空间平滑性优化远程大体量可视化的渲染性能，实现HD分辨率下的高帧率交互，并提供预览渲染子采样方法。
2023-07-27 cs.GR
Realistic Volume Rendering with Environment-Synced Illumination in Mixed Reality
本文提出一种混合现实中环境同步照明的真实感体绘制框架，通过高效照明估计和时空去噪算法，提升直接体绘制的视觉质量与交互效率，实验证明优于现有MR方案。
2023-09-05 cs.GR
Machine Learning-Driven Volumetric Cloud Rendering: Procedural Shader Optimization and Dynamic Lighting in Unreal Engine for Realistic Atmospheric Simulation
本研究针对计算机图形学中实时体云渲染问题，在虚幻引擎中开发专用着色器，结合光线投射光照算法与双层程序化噪声模型，实现无2D天气纹理的程序化天空配置，渲染耗时35ms/帧且云真实感较传统2D技术提升15%，推进真实大气模拟。
2025-02-12 cs.GR
Deep Learning based Super-Resolution for Medical Volume Visualization with Direct Volume Rendering
University of Central Florida（中佛罗里达大学）
现代显示系统需要高质量的渲染。然而，以更高的分辨率渲染需要大量的数据样本并且在计算上昂贵。基于深度学习的图像和视频超分辨率技术的最新进展促使我们研究这种网络，以将以较低分辨率渲染的帧高保真度提升到更高分辨率。虽然我们的工作主要集中在超分辨率的医学体可视化与直接体渲染，它也适用于体可视化与其他渲染技术。我们提出了一种基于学习的技术，我们提出的系统使用颜色信息以及从我们的体积渲染器收集的其他补充功能，以学习有效的提升低分辨率渲染到更高分辨率的空间。此外，为了提高时间稳定性，我们还实现了时间重投影技术，积累历史样本的体积绘制。
2022-10-14 cs.CV cs.GR cs.LG
A Generative Model for Volume Rendering
University of Arizona（亚利桑那大学）
我们提出了一种技术来合成和分析体绘制图像使用生成模型。我们使用生成对抗网络（GAN）框架从大量体渲染中计算模型，条件是（1）视点和（2）不透明度和颜色的传递函数。我们的方法有利于任务的体积分析，是具有挑战性的，以实现使用现有的渲染技术，如光线投射或基于纹理的方法。我们展示了如何通过量化输出图像中的预期变化来指导用户进行传递函数编辑。此外，生成模型将传递函数转换为专门设计用于合成体绘制图像的视图不变潜在空间。我们直接使用这个空间进行渲染，使用户能够探索体渲染图像的空间。由于我们的模型是独立的体渲染过程的选择，我们展示了如何分析体绘制图像产生的直接和全局光照，各种体积数据集。
2019-07-16 cs.CV cs.GR
Direct Volume Rendering with Nonparametric Models of Uncertainty
我们提出了一个非参数统计框架的量化，分析和传播的数据不确定性直接体渲染（DVR）。最先进的统计DVR框架允许在可视化不确定数据时保留地面真值函数的传递函数（TF）;然而，现有的框架仅限于不确定性的参数模型。在本文中，我们解决了现有的DVR框架的局限性，通过扩展DVR框架的非参数分布。我们利用分位数插值技术来获得概率分布表示不确定性的观察光线样本强度在封闭的形式，这使得准确和有效的计算。我们评估我们提出的非参数统计模型，通过定性和定量的平均场和参数统计模型，如均匀和高斯，以及高斯混合物的比较。此外，我们提出了一个扩展的国家的最先进的渲染参数框架，以2D TF的DVR分类改进。我们展示了我们的不确定性量化框架对标量场数据集的集合、下采样和双变量版本的适用性。
2020-08-31 cs.GR
GPU Volume Rendering with Hierarchical Compression Using VDB
本文提出利用OpenVDB和NanoVDB对大规模体数据进行分层压缩与即时解压，实现快速、低内存的GPU体渲染，并可直接替代现有3D纹理渲染方案。
2025-04-10 cs.DC cs.GR
Volume Rendering Digest (for NeRF)
Google Research（谷歌研究院）；Simon Fraser University（西蒙弗雷泽大学）
神经辐射场采用简单的体渲染，通过利用可见性的概率概念来克服通过射线-三角形相交进行区分的挑战。这是通过假设场景由密度在空间中变化的发光粒子云组成来实现的。本技术报告总结了可区分体渲染的推导。它是以前报告的浓缩版，但在NeRF的上下文中进行了重写，并采用了其常用的符号。
2022-08-29 cs.CV cs.GR
Homomorphic-Encrypted Volume Rendering
计算要求高的任务通常在专用数据中心进行计算，实时可视化也遵循这一趋势。但是，某些渲染任务需要最高级别的机密性，以便除所有者外，任何其他方都无法读取或查看敏感数据。在这里，我们提出了一个直接的体渲染的方法，执行体渲染直接加密体数据上使用同态Paillier加密算法。这种方法确保体数据和渲染图像对于渲染服务器是不可解释的。我们的体渲染管道引入了新的方法，用于加密数据合成，插值和不透明度调制，以及简单的传递函数设计，其中每个例程都保持最高级别的隐私。我们提出的性能和内存开销分析，是与我们的隐私保护计划。我们的方法是开放和安全的设计，而不是通过默默无闻的安全。数据的所有者只需要对他们的安全密钥保密，以保证他们的体积数据和渲染图像的隐私。据我们所知，我们的工作是第一个隐私保护的远程体绘制方法，不需要任何服务器是值得信赖的;即使在服务器被泄露的情况下，也不会有敏感数据泄露给外国。
2020-10-15 cs.CR cs.GR
The physics of volume rendering
辐射传输是许多物理学科的重要课题，在天体物理学中可能最为突出。计算机科学家使用辐射转移等方法，通过直接体绘制对复杂数据集进行可视化。在本文中，我指出了物理辐射传输和体绘制之间的联系，我描述了直接体绘制的天体物理辐射传输程序RADMC-3D的实现。我展示了在分析模型和模拟数据上使用该模块的示例。
2014-10-22 astro-ph.IM cs.GR physics.ed-ph
Does 3D Gaussian Splatting Need Accurate Volumetric Rendering?
TU Wien（维也纳工业大学）；Google（谷歌）；Inria（法国国家信息与自动化研究所）
本文深入分析3D高斯泼溅的近似假设，探讨精确体积渲染能否提升其质量，结论是高效优化与大量高斯基元使3DGS在近似下仍优于体积渲染。
2025-02-26 cs.CV cs.GR
Volume Rendering of Human Hand Anatomy
Cedars-Sinai Hospital（西达赛奈医疗中心）
针对人体手部MRI数据集体绘制的挑战，本文提出基于器官分割的传递函数设计方法，生成高质量手部体绘制图像并支持组织外观精细控制，在五个手部运动序列上验证了其比标准技术更优的解剖结构可视化效果。
2024-11-14 cs.CV cs.GR
Rendering Large Volume Datasets in Unreal Engine 5: A Survey
本文综述了在虚幻引擎5中渲染大规模体数据集的多种方法，重点提出基于稀疏体积纹理的异质体积方案，通过修复int32溢出问题实现高达32k x 32k x 16k体素的稀疏数据渲染，并展望核心外渲染以突破VRAM和API限制。
2025-04-10 cs.GR
FoVolNet: Fast Volume Rendering using Foveated Deep Neural Networks
University of California at Davis（加州大学戴维斯分校）
体数据在许多重要的科学和工程应用中被发现。即使使用专业级硬件，以高质量和交互速率为诸如虚拟现实之类的要求苛刻的应用渲染这些数据以进行可视化仍然是不容易实现的。我们介绍FoVolNet -一种显着提高体数据可视化性能的方法。我们开发了一个具有成本效益的中央凹渲染管道，稀疏采样的体积周围的焦点和重建的全帧使用深神经网络。中心凹渲染是一种围绕用户焦点优先渲染计算的技术。这种方法利用人类视觉系统的特性，从而在用户视野的外围渲染数据时节省计算资源。我们的重建网络结合了直接和内核预测方法，以产生快速，稳定和令人信服的输出。通过超薄设计和量化的使用，我们的方法在端到端帧时间和视觉质量方面都优于最先进的神经重建技术。我们进行了广泛的评估系统的渲染性能，推理速度和感知特性，我们提供了竞争的神经图像重建技术的比较。我们的测试结果表明，FoVolNet一贯实现显着节省时间比传统的渲染，同时保持感知质量。
2022-09-20 cs.GR cs.LG
Variable Basis Mapping for Real-Time Volumetric Visualization
University of Science and Technology of China（中国科学技术大学）
本文提出可变基映射方法，通过小波域分析将体数据转换为3DGS表示，从而实现高效实时体可视化。
2026-01-14 cs.GR
Comparing Hierarchical Data Structures for Sparse Volume Rendering with Empty Space Skipping
空空间跳过可以利用诸如k-d树和包围体层次结构之类的分层数据结构来有效地实现。本文比较了几个最近发表的层次数据结构的建设和渲染性能。形成我们先前工作的论文主要集中在交互式地构建数据结构上，并且仅表明渲染性能优于使用简单加速数据结构，例如具有宏单元的均匀网格。在表面光线追踪领域，存在分层数据结构的构造和绘制性能之间的折衷。在本文中，我们提出了几个空的空间跳过数据结构的性能比较，以确定是否也存在这样的权衡与统一的数据拓扑结构的体渲染。
2019-12-20 cs.DS cs.GR cs.PF
A real-time rendering method for high albedo anisotropic materials with multiple scattering
Lumverse Reserch Institute（Lumverse 研究院）；Beijing Lumverse Technology Co., Ltd（北京朗维科技股份有限公司）
针对路径追踪体渲染计算昂贵、难以实时的问题，本文提出神经网络方法，利用3D-CNN、采样模板与注意力机制预测散射分布，在保持质量的同时显著提速并优于既有方法。
2024-01-25 cs.CV cs.GR
User Interface for Volume Rendering in Virtual Reality Environments
体渲染应用程序需要复杂的用户交互来定义和细化传递函数。传统的2D桌面用户界面元素已经被开发来解决这个任务，但是这样的概念不能很好地映射到虚拟现实环境中可用的交互设备。在本文中，我们提出了一个直观的用户界面体渲染专门设计的虚拟现实环境。建议的接口允许传递函数设计和细化的基础上直观的双手操作的魔杖一样的控制器。还支持其他交互模式，如导航和剪裁平面操作。该系统使用Sony PlayStation Move控制器系统实现。此选择基于控制器设备能力以及应用和环境约束。初步结果证明了我们方法的潜力。
2013-02-08 cs.GR cs.HC
Neural Volume Rendering: NeRF And Beyond
Georgia Institute of Technology（佐治亚理工学院）；Massachusetts Institute of Technology（麻省理工学院）
除了COVID-19大流行和美国的政治动荡之外，2020年也是神经体渲染爆炸式发展的一年，这是由Mildenhall等人令人印象深刻的NeRF论文引发的。我们两个人都试图捕捉这种兴奋，弗兰克在一篇博客文章中（Dellaert，2020）和Yen-Chen在Github集合中（Yen-Chen，2020）。这篇笔记是相关论文的注释参考书目，我们将相关的bibtex文件发布到了资源库中。
2021-01-14 cs.CV cs.GR
Practical and Robust Stenciled Shadow Volumes for Hardware-Accelerated Rendering
25年前，Crow发表了确定场景中阴影区域的阴影体积方法。十年前，Heidmann描述了一种硬件加速的基于模板缓冲区的阴影体积算法。不幸的是，硬件加速的模板阴影体技术还没有被3D游戏和应用广泛采用，这在很大程度上是由于所描述的技术缺乏鲁棒性。尽管有广泛的硬件支持，这种情况仍然存在。具体来说，一直缺乏的是一种技术，鲁棒地处理各种“硬”的情况下创建的近或远平面剪切的阴影体积。我们描述了一个强大的，无伪影技术的模板阴影体积的硬件加速渲染。假设现有的硬件，我们解决的问题，否则所造成的阴影体积近，远平面裁剪，通过（1）将传统的远裁剪平面“在无限远”，（2）光栅化与无限阴影体积多边形通过齐次坐标，和（3）采用zfail模板测试计划的组合。深度箝位是NVIDIA GeForce 3提供的一种新的光栅化功能，它不需要将远平面放置在无穷远处，从而保持了现有的深度精度。我们还提出了双面模板测试，以提高渲染模板阴影体积的效率。
2003-01-06 cs.CG cs.GR
Volumetric Rendering with Baked Quadrature Fields
University of British Columbia（不列颠哥伦比亚大学）；Google DeepMind（谷歌DeepMind）；Simon Fraser University（西蒙菲莎大学）；University of Toronto（多伦多大学）
本研究提出一种基于带纹理多边形的新型NeRF表示方法，通过训练专用场结合marching cubes获取多边形网格，利用光线追踪实现非不透明场景的高速高质量体绘制，可轻松集成现有图形框架。
2024-07-10 cs.CV cs.GR
Visualization of Large Volumetric Multi-Channel Microscopy Data Streams on Standard PCs
背景：多通道显微镜数据的可视化在生物学研究中起着至关重要的作用。随着现代显微镜分辨率的不断提高，扫描样本的数据集大小稳步增长。在商用硬件上，这个大小很容易超过可用的主内存和更有限的GPU内存。常见的体渲染技术要求整个数据集存在于GPU存储器中。现有的大体积数据的核外绘制方法要么限于单通道体积，或需要一个计算机集群，或有很长的预处理时间。结果：我们介绍了一种光线投射技术，用于在商品硬件上渲染大体积多通道显微镜数据流。体数据通过八叉树结构在不同的细节层次上进行管理。与以前的基于八叉树的技术相比，八叉树是增量构建的，因此支持流式显微镜数据以及超过可用主内存的数据集大小。此外，我们的方法允许用户在八叉树构造的所有阶段与部分渲染的数据集进行交互。在详细描述了我们的方法后，我们提出了不同的多通道数据集的性能结果，大小高达24 GB的标准台式PC上。结论：我们的渲染技术允许生物学家在他们的标准台式计算机上可视化他们的扫描标本，而无需高端硬件要求。此外，用户可以在初始加载期间与数据集交互，以探索已加载的部件，更改渲染参数（如颜色映射）或调整裁剪平面。因此，减少了生物学家的空闲时间。此外，可以可视化流式数据，以便在扫描过程中及早检测和停止有缺陷的扫描。
2014-07-08 cs.GR
ENTIRE: Learning-based Volume Rendering Time Prediction
本文提出ENTIRE方法，通过提取体积结构特征和渲染参数，实现快速准确的体积渲染时间预测，并在不同框架和数据集上验证其高效性和适应性。
2026-04-20 cs.CV cs.GR cs.LG
Scaling Probe-Based Real-Time Dynamic Global Illumination for Production
我们贡献了几个实际的扩展，以探针为基础的辐照场与可见度表示，以提高图像质量，恒定和渐近性能，内存效率，和艺术家的控制。我们在将之前的工作整合到NVIDIA RTXGI SDK、Unity和虚幻引擎4游戏引擎以及多个商业游戏的专有引擎的全局光照解决方案中的过程中开发了这些扩展。这些扩展包括：一个直观的调整参数（“自阴影”偏置）;加速全局光照转换的算法;重复使用辐照度数据作为递归光泽反射的预过滤辐射;探针状态机来修剪不会影响最终图像的工作;以及用于大世界的多分辨率级联体积。
2021-06-22 cs.GR
Beyond ExaBricks: GPU Volume Path Tracing of AMR Data
本文针对 AMR 数据在 GPU 体路径追踪中的加速结构瓶颈，分析相机/主光线优化结构在不相干光线下的问题并提出改进策略，以支持含散射和全局光照的高质量科学可视化。
2023-12-02 cs.GR
Mixture of Volumetric Primitives for Efficient Neural Rendering
Facebook Reality Labs（Facebook现实实验室）
人类的实时渲染和动画是游戏、电影和远程呈现应用中的核心功能。现有的方法有许多缺点，我们的目标是解决我们的工作。三角形网格很难对头发等细结构进行建模，在合理的内存预算下，神经元等体积表示的分辨率太低，而神经辐射场等高分辨率隐式表示的速度太慢，无法用于实时应用程序。我们提出了体积基元的混合（MVP），一种用于渲染动态3D内容的表示，其将体积表示的完整性与基于连续性的渲染的效率相结合，例如，基于点或基于网格的方法。我们的方法实现了这一点，利用空间共享计算与反卷积架构，并通过最大限度地减少计算空间的空区域与体积图元，可以移动到只覆盖被占用的区域。我们的参数化支持对应和跟踪约束的集成，同时对经典跟踪失败的区域具有鲁棒性，例如薄或半透明的结构和具有较大拓扑变化的区域。MVP是一个混合体，它概括了体积和基于连续性的表示。通过一系列广泛的实验，我们证明了它继承了每个人的优势，同时避免了许多局限性。我们还比较了我们的方法，几个国家的最先进的方法，并证明MVP产生优越的结果，在质量和运行时性能。
2021-05-06 cs.CV cs.GR
Medical Volume Reconstruction Techniques
医学可视化是利用计算机从医学成像数据集生成三维图像，发达国家几乎所有的外科手术和癌症治疗都依赖于它。体可视化技术包括等值面可视化、网格可视化和点云可视化技术，这些技术给医学带来了革命性的变化。现代医学的大部分依赖于3D成像，其可以使用磁共振成像（MRI）扫描仪、功能性磁共振成像（fMRI）扫描仪、正电子发射断层扫描（PET）扫描仪、超声成像（US）扫描仪、X射线扫描仪、生物标记显微成像扫描仪和计算机断层扫描（CT）扫描仪，这些扫描仪从2D切片制作3D图像。本报告的主要目标是面向应用的优化现有的体渲染方法提供交互式帧速率。技术传统的阿尔法混合渲染，表面阴影显示，最大强度投影（MIP），和快速预览与完全交互式参数控制。针对交互式等值面绘制和快速预览，提出了不同的预处理策略，如著名的Marching Cube算法。
2018-02-21 cs.GR
Accelerating Transfer Function Update for Distance Map based Volume Rendering
针对基于距离图的体绘制在传递函数变化时更新代价高的问题，提出分区距离图，将距离图计算加速最高 30 倍，从而支持频繁交互下的高帧率空区域跳过。
2025-01-08 cs.GR cs.PF
A Query-Efficient Stochastic Volume Rendering Framework for Time-Varying Implicit Neural Volumes
University of Utah（犹他大学）；Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室）；Vanderbilt University（范德堡大学）；University of Arizona（亚利桑那大学）
针对时变隐式神经体积渲染的性能挑战，提出基于delta跟踪的查询高效随机体积渲染框架，采用四阶段异构并行流水线，结合光线预算与查询剪枝，在RTX 4090上实现1024×1024分辨率下30-40 FPS及毫秒级时间步更新，支持交互式时变数据探索。
2026-07-31 cs.GR cs.LG
Real-time volumetric rendering of dynamic humans
Meta AI
我们提出了一种方法，用于快速三维重建和实时的【形】渲染的动态人从单目视频与随行的参数化的身体适合。我们的方法可以使用单个GPU在不到3小时的时间内重建动态人体，而最近最先进的替代方案需要长达72小时。这些加速比是通过使用仅基于线性混合蒙皮的轻量级变形模型和用于对规范姿势中的人的形状和颜色进行建模的有效因子分解体积表示来获得的。此外，我们提出了一种新的本地光线行进渲染，利用标准的GPU硬件，没有任何烘烤或转换的辐射场，允许可视化的神经人在移动VR设备上每秒40帧的视觉质量损失最小。我们的实验评估表明，优越的或有竞争力的结果与国家的最先进的方法，同时获得大的训练加速，使用一个简单的模型，并实现实时的【形】渲染。
2023-03-21 cs.CV cs.GR
TermiNeRF: Ray Termination Prediction for Efficient Neural Rendering
Imperial College London（帝国理工学院）
使用神经场的体渲染在捕获和合成三维场景的新视图方面显示出了很大的前景。然而，这种类型的方法需要在沿着每个观察光线的多个点处查询体积网络以便渲染图像，从而导致非常慢的渲染时间。在本文中，我们提出了一种方法，克服了这一限制，通过学习直接映射从相机射线沿射线的位置，最有可能影响像素的最终外观。使用这种方法，我们能够渲染，训练和微调体积渲染的神经场模型的数量级比标准的方法更快。与现有方法不同，我们的方法适用于一般卷，并且可以进行端到端的训练。
2021-11-05 cs.CV cs.GR
Gabor Fields: Orientation-Selective Level-of-Detail for Volume Rendering
USI Lugano（USI卢加诺）
Gabor Fields 通过方向选择性混合 Gabor 内核实现连续频率过滤，提升体积渲染性能和效率。
2026-07-20 cs.CV cs.GR
iVR-GS: Inverse Volume Rendering for Explorable Visualization via Editable 3D Gaussian Splatting
Department of Computer Science and Engineering, University of Notre Dame（计算机科学与工程系，诺特大学）
本文提出iVR-GS，一种基于可编辑3D高斯泼溅的逆体渲染新视角合成方法，通过组合多个模型实现低渲染成本下的交互式体场景探索，在多个数据集上优于现有方法。
2025-04-24 cs.CV cs.GR cs.LG
A Novel Image-centric Approach Towards Direct Volume Rendering
传递函数的生成是直接体渲染（DVR）中的一个基本问题. TF将体素映射到颜色和不透明度值以显示内部结构。现有的TF工具是复杂和不直观的用户谁更可能是医疗专业人员比计算机科学家。在本文中，我们提出了一种新的以图像为中心的TF生成方法，而不是复杂的工具，用户直接操纵体积数据生成DVR。通过仅呈现最具信息量的卷切片以供选择，进一步简化了用户的工作。基于所选部分，体素分类使用我们的新的稀疏非参数支持向量机分类器，它结合了局部和近全局分布信息的训练数据。体素类映射到美观和可区分的颜色和不透明度值使用调和颜色。在多个基准数据集上的实验结果和详细的用户调查表明了该方法的有效性。
2017-11-29 cs.GR cs.HC
Efficient Space Skipping and Adaptive Sampling of Unstructured Volumes Using Hardware Accelerated Ray Tracing
基于采样的光线推进是一种有效的非结构网格直接体渲染绘制方法。然而，这样的网格采样仍然是昂贵的，和战略，以减少采样的数量得到了相对较少的关注。在本文中，我们介绍了一种方法来绘制非结构化网格使用的粗空间加速结构和硬件加速光线追踪相结合。我们的方法可以有效的空的空间跳过和非结构化网格的自适应采样，并优于参考射线marcher高达7倍。
2019-08-05 cs.GR
NeuVV: Neural Volumetric Videos with Immersive Rendering and Editing
ShanghaiTech University（上海科技大学）；Stereye Intelligent Technology Co.,Ltd.（视辰智能科技有限公司）；Huazhong University of Science and Technology（华中科技大学）
Metaverse承诺提供的一些最令人兴奋的体验，例如，在虚拟环境中与虚拟角色的实时交互，需要实时照片逼真的渲染。用于渲染的3D重建方法（主动或被动）仍然需要大量的清理工作来修复网格或点云。在本文中，我们提出了一种神经体积成像技术，称为神经体积视频或NeuVV，以支持沉浸式，交互式和时空渲染的体积视频内容与照片现实主义和实时。NeuVV的核心是将动态神经辐射场（NeRF）有效地编码为可渲染和可编辑的基元。我们介绍了两种类型的因式分解方案：超球谐函数（HH）分解，用于模拟空间和时间上的平滑颜色变化，以及用于模拟运动引起的突然密度和颜色变化的可学习基础表示。NeuVV因子分解可以集成到类似于PlenOctree的视频八叉树（VOctree）中，以显着加速训练，同时减少内存开销。实时NeuVV渲染进一步支持一类沉浸式内容编辑工具。具体而言，NeuVV将每个VOctree视为图元，并实现基于体积的深度排序和alpha混合，以实现用于内容重新用途的时空组合。例如，我们演示了在不同的3D位置以不同的时间定位同一表演的各种表现形式，调整表演者服装的颜色/纹理，投射聚光灯阴影和合成距离衰减照明等，所有这些都以交互速度进行。我们进一步开发了一个混合神经光栅化渲染框架，以支持消费级VR头戴设备，从而使上述体积视频观看和编辑首次可以在虚拟3D空间中身临其境地进行。
2022-02-12 cs.CV cs.GR
Gaussian Volumetric Representation for Efficient Shear-Warp Visualization
Indraprastha Institute of Information Technology Delhi（德里英迪拉甘地信息技术学院）
研究针对医学图像可视化计算成本高的问题，提出基于高斯的体表示，用蒙特卡罗体估计和课程学习策略优化，能从稀疏监督中学习解剖细节与纹理，降低计算成本，支持高效渲染多模态医学数据集，实现高帧率和高压缩比。
2026-07-29 cs.CV cs.GR
Adaptive Multi-Resolution Encoding for Interactive Large-Scale Volume Visualization through Functional Approximation
本文提出轻量快速的函数逼近多分辨率表示 Adaptive-FAM 及 GPU 加速外核体可视化框架，通过减少缓存时间和预取提升缓存命中率，在保持渲染质量的同时显著降低输入延迟。
2024-08-30 cs.GR
A Distributed GPU-based Framework for real-time 3D Volume Rendering of Large Astronomical Data Cubes
我们提出了一个框架，以交互式体渲染三维数据立方体使用分布式光线投射和体积砖在一个或多个图形处理单元（GPU）和一个多核CPU的工作站集群。该框架的主要设计目标是提供一个核心可视化解决方案，能够提供TB级数据立方体的三维交互式视图。我们使用包含64个节点、总共128个GPU的计算集群测试了所提出的框架。该框架被证明是可扩展的，可以以平均每秒30帧的速度渲染204 GB的数据立方体。我们的性能分析还比较了使用NVIDIA Tesla 1060和2050 GPU架构以及增加可视化输出分辨率对渲染性能的影响。虽然我们最初的重点，并在这项工作中提出的例子，是体绘制的光谱数据立方体从射电天文学，我们认为，我们的方法具有适用性的其他学科接近实时体绘制的TB级的3D数据集是一个要求。
2012-05-01 astro-ph.IM cs.DC cs.GR
Neural Assets: Volumetric Object Capture and Rendering for Interactive Environments
Meta Reality Labs Research（Meta现实实验室）
创建逼真的虚拟资产是一个耗时的过程：它通常涉及艺术家设计对象，然后花费大量精力调整其外观。复杂的细节和某些效果（如次表面散射）无法使用实时BRDF进行表示，因此无法完全捕捉某些对象的外观。受神经渲染的最新进展的启发，我们提出了一种方法来捕捉真实世界中的物体在日常环境中忠实和快速。我们使用一种新的神经表示来重建体积效果，如半透明的对象部分，并保留真实感对象的外观。为了在不影响渲染质量的情况下支持实时渲染，我们的模型使用了一个网格的功能和一个小的MLP解码器，该解码器被编译成具有交互式帧速率的高效着色器代码。这导致所提出的神经资产与现有网格环境和对象的无缝集成。由于使用标准着色器代码，渲染可以跨许多现有的硬件和软件系统移植。
2022-12-12 cs.AI cs.CV cs.GR
GSCache: Real-Time Radiance Caching for Volume Path Tracing using 3D Gaussian Splatting
University of California at Davis（加州大学戴维斯分校）；NVIDIA Research（NVIDIA研究）；University of Groningen（Groningen大学）
针对路径追踪体渲染中蒙特卡洛积分导致的噪声和慢速问题，提出基于3D高斯溅射的多级路径空间辐射缓存，实现即时训练与动态适应，在不增加成本下提升图像质量。
2025-08-02 cs.GR cs.LG
Don't Splat your Gaussians: Volumetric Ray-Traced Primitives for Modeling and Rendering Scattering and Emissive Media
Meta Reality Labs（Meta现实实验室）
本文提出基于核的体素基元混合建模散射与发射介质，引入闭式解和优化，用于高效正向/逆向渲染及辐射场，并引入Epanechnikov核作为高斯核的替代。
2025-09-08 cs.CV cs.GR
NeuS: Learning Neural Implicit Surfaces by Volume Rendering for Multi-view Reconstruction
The University of Hong Kong（香港大学）；Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）；Texas A&M University（德州农工大学）
我们提出了一种新的神经表面重建方法，称为NeuS，用于从2D图像输入重建高保真的对象和场景。现有的神经表面重建方法，如DVR和IDR，需要前景掩模作为监督，容易陷入局部极小值，因此难以重建具有严重自遮挡或薄结构的对象。与此同时，最近的神经方法，如NeRF及其变种，新的视图合成，使用体渲染，以产生一个神经场景表示与鲁棒性的优化，即使是高度复杂的对象。然而，从这个学习的隐式表示中提取高质量的曲面是困难的，因为在表示中没有足够的曲面约束。在NeuS中，我们提出了一个表面表示为零级集的符号距离函数（SDF）和开发一个新的体渲染方法训练神经SDF表示。我们观察到，传统的体渲染方法会导致固有的几何误差（即偏见）的表面重建，因此提出了一种新的配方，是免费的偏见，在一阶近似，从而导致更准确的表面重建，即使没有掩模监督。在DTU数据集和BlendedMVS数据集上的实验表明，NeuS在高质量的表面重建方面优于现有技术，特别是对于具有复杂结构和自遮挡的物体和场景。
2023-02-01 cs.CV cs.GR
