近日，国际计算机视觉顶会CVPR 2024在美国召开，由中山大学、卡迪夫大学、宾夕法尼亚大学与思谋科技联合完成的论文《NeRF-HuGS: Improved Neural Radiance Fields in Non-static Scenes Using Heuristics-Guided Segmentation》，入围Best Paper（最佳论文）候选。

与中山大学、卡迪夫大学、宾夕法尼亚大学的合作论文

CVPR是由IEEE/CVF举办的计算机视觉和模式识别领域的顶尖学术会议，其收录的论文代表了计算机视觉领域的最新发展方向和最高研究水平，CVPR最佳论文更是被视为该领域里程碑式的重要成果。

本届CVPR会议共收到11,532篇有效提交论文，有2,719篇论文被接受，总体接受率为23.6%。相较于CVPR 2023，今年从论文投稿量、接受率、参会热度等几个维度，都再被刷新。其中，324篇论文被选为Highlights，90篇论文被选为Oral，Oral当中的24篇被遴选竞争Best Paper（为所有提交论文的前0.2%）。这些论文代表着计算机视觉领域当年度的最高科研水平，对行业创新具有重要指引作用。

本届会议，思谋科技联合多家知名高校完成的多篇论文入选Oral，其中《NeRF-HuGS: Improved Neural Radiance Fields in Non-static Scenes Using Heuristics-Guided Segmentation》更是成为24篇竞争Best Paper的论文之一。

该论文提出了一种新颖的神经辐射场（NeRF）改进方法，通过启发式分割（Heuristics-Guided Segmentation）的全新范式，显著提高了非静态场景下的渲染质量。

改进NeRF技术的渲染效果

作为计算机视觉领域的一项卓越技术，NeRF（Neural Radiance Fields）因其在新颖视图合成和3D场景重建中的突出表现广受认可。然而，NeRF的有效性依赖于静态场景的假设，这使得在遇到移动物体或阴影等瞬态干扰时容易出现不良的伪影。针对该问题，研究团队通过结合巧妙设计的启发式规则和最先进的分割模型的优势，显著增强了静态场景与瞬态干扰物的分离，从而大大超越了以往解决方案的局限性，并通过大量实验证明，该方法在缓解训练于非静态场景的NeRF的瞬态干扰方面具有卓越性和鲁棒性。这一突破性进展不仅为动态场景建模提供了新的解决方案，也为自动驾驶、虚拟现实等领域的应用带来了新的可能性。

思谋科技作为参与单位之一，凸显了在计算机视觉领域的深厚技术积累和强大研发实力。思谋自成立以来，始终坚持以技术创新为核心，致力于将前沿的计算机视觉、大模型等技术应用于智能制造和数智创新领域。思谋科技已有多篇论文在CVPR、ICCV等国际顶级会议上发表并获选为Oral，受到高度肯定。2022年思谋参与的论文《MAT: Mask-Aware Transformer for Large Hole Image Inpainting》获CVPR选为Best Paper候选，2023年的《Ref-NeuS: Ambiguity-Reduced Neural Implicit Surface Learning for Multi-View Reconstruction with Reflection》被入选为ICCV的Best Paper候选。

此次CVPR 2024最佳论文候选的入围，不仅是对思谋科技雄厚科研实力的肯定，更是对其不断推动全球技术进步的有力证明。未来，思谋将继续携手国际顶尖高校和研究机构，推动计算机视觉和大模型技术的创新发展，为全球人工智能技术进步和制造业的升级转型贡献力量。