本文提出了一种新方法，通过视点和极化数据分离漫反射与镜面反射，从而恢复物体的折射率和三维形状。结合深度学习与偏振成像，该方法能够在正面闪光下高效估计物体形状，尤其在服装人体三维形状估计方面展示了极化光的应用潜力。

本研究提出了多视图视觉提示融合网络（MvNet），旨在提高零样本三维形状识别的分类准确性。通过利用现成的2D预训练模型，达到了3D点云分类的最新性能。此外，研究还探讨了少样本物体检测、视角估计和3D重建等方法，并在多个数据集上展示了优越表现。

本文介绍了Surf-D方法，该方法利用扩散模型生成高质量的三维形状表面。通过无符号距离场表示，Surf-D解决了拓扑结构和几何细节的限制，并通过点云自编码器和梯度查询提升了形状生成的效率和性能，广泛应用于无条件生成和类别条件生成等任务。

该文综述了多视角图像与三维形状中的对称性、非刚性运动估计及形状匹配研究，涵盖对称约束算法、四面体网格映射、本质矩阵求解、拉格朗日运动估计、Kendall形状空间测地回归、内在点对称检测、Kinet神经网络、多视角演员建模、核密度估计匹配及曲率挠率关键帧选择等方法，并应用于Pascal3D+、SCAPE、TOSCA及膝骨关节炎数据。

本论文介绍了一种使用3D形状和2D笔画的模型，生成艺术风格化线条图案，并学习艺术家的风格，生成带有纹理笔触的绘画。该模型可用于交互式应用中的后续分析或编辑。

该研究提出了一种无监督的三维形状协同分割方法，通过学习可变形部件模板来构建形状，并引入逐部位变形网络进行建模。实验结果表明，该方法在性能上优于之前的方法。