本文介绍了一种名为Surf-D的新方法，使用扩散模型在任意拓扑结构上生成高质量三维形状表面。该方法通过采用无符号距离场（UDF）作为表面表示，解决了先前方法在拓扑结构和几何细节方面的限制。通过点云自编码器学习紧凑的潜在空间，并使用梯度查询来捕捉详细几何信息，提高嵌入过程的效率。实验结果表明，该方法在无条件生成、类别条件生成、图像三维重建和文本到形状任务方面表现出色。

本文研究了一种允许用户生成多个多样化部件建议的技术，并评估了不同的多模态部件生成技术，找到了表现最佳的技术。该技术在重构形状时可以更好地控制所生成的三维形状的部件，同时保持高形状保真度。

本论文介绍了一种使用全可微分方法从三维形状生成艺术风格化线条图案的模型，输出带有纹理笔触的绘画。该方法使用3D形状和2D笔画的几何表达方式，传输形状和纹理风格，并保留轮廓。生成的绘画以向量表示，可用于交互式应用中的分析和编辑。

本文研究了神经网络合成三维形状的方法中引入基于部件表示的技术，并实验了多模态深度生成模型。通过评估这些技术，发现新的多模态部件生成技术表现最佳，可以更好地控制所生成的三维形状的部件。

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。