智元机器人推出开源仿真平台Genie Sim 3.0，结合大语言模型与三维重建技术，提供高保真仿真环境，支持自然语言生成场景，拥有丰富的仿真数据集，提升研发效率，推动智能应用创新。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

本研究提出了一种利用单目连续波飞行时间（C-ToF）摄像头重建动态场景的方法，优化了场景几何表示，能够在受限条件下实现高保真的动态三维重建，尤其在快速运动场景中表现优异。

本研究综述了放射学中三维重建的技术，分析了显式和隐式重建算法，强调了人工智能在提高重建精度、缩短处理时间和减少患者辐射暴露方面的重要性，并指出未来研究的挑战与方向。

本研究提出了一种基于单目视频的乒乓球击球预测系统，解决了现有系统的有效性问题。通过三维重建和控制器设计，实验表明在高速击球情况下回球率从49.9%提高到59.0%，显示出良好的应用潜力。

本研究提出动态点图（DPM）概念，旨在解决动态场景下的三维重建问题，支持运动分割、场景流估计和三维物体跟踪等任务。通过引入时间和多个空间、时间参考组合，实现了在各类基准测试中的先进性能。

本研究提出了一种结合RGB图像的三维重建与机器学习的方法，有效解决了矮型番茄植物总叶面积估算的难题，显示出良好的应用前景。

加州大学洛杉矶分校的研究团队提出了一种自监督深度学习方法spIsoNet，显著提升了冷冻电镜图像质量，解决了取向优势问题，推动了生物大分子重建的精度和各向同性，为结构生物学带来了新突破。

本研究提出了一种多任务学习网络（MT3DNet），用于在图像辅助微创手术中实现手术场景的准确检测、分割和深度估计。该网络通过对抗权重更新机制，显著提升了三维重建能力和处理效率。

本研究提出了PR-ENDO框架，利用3D高斯散点和物理基础的可重照明模型，解决内窥镜程序中的三维重建挑战，显著提高了图像质量，具有重要的临床应用潜力。

本研究提出SCIGS方法，解决快照压缩成像中的动态场景重建问题，通过相机姿态和高斯基元坐标实现三维结构一致性重建，显著提升重建性能。

MVSplat360是一种新颖的360度场景合成方法，解决了稀疏观察导致的合成质量问题。该方法结合三维重建与视频生成，在仅使用5个稀疏视图时显著提高了合成质量，实验结果表明其在DL3DV-10K数据集上优于现有方法。

该论文综述了多种基于神经网络的人体姿态和形状估计方法，包括直接预测、自动编码器和视频分析等。通过对抗学习和自监督学习等技术，提升了三维重建的准确性和效率，展示了在不同应用中的强大能力。

本文提出了一种双管齐下的方法解决单视图图像的三维重建问题，设计了3D-LMNet，通过潜在嵌入匹配实现多方案重建，实验结果表明其性能优于现有技术。同时，文中综述了三维点云分析技术及其应用，分析了当前技术面临的挑战和未来趋势。

本文介绍了一种深度反渲染框架及多个生成模型，旨在提升室内场景的渲染质量和真实感。研究包括Zero123++模型用于生成一致的多视图图像，ZeroNVS模型用于单图像新视图合成，以及ZeroShape模型用于三维形状重建。通过新技术和训练策略，解决了光照、几何和材料理解的问题，提升了图像合成的真实感和效率。

本研究提出了一种名为IncEventGS的算法，用于增量式三维高斯点云重建，解决事件相机在三维场景中的应用不足。该算法结合传统SLAM方法，实现三维场景和相机运动的联合优化，无需真实相机姿态。实验结果表明，其性能优于现有NeRF方法，具有在事件相机视觉里程计中的潜在应用价值。

本文介绍了一种新型卷积神经网络架构SPNv3，专用于非合作航天器的姿态估计。通过合成图像训练和数据增强，该模型在真实图像上展现出良好的鲁棒性和计算效率，具有广泛的应用潜力。研究强调了深度学习在航天器感知中的重要性，包括姿态估计和三维重建等任务。