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FreeSplatter框架，解决了稀疏视图重建中相机姿态不足的问题。该框架通过无标定稀疏视图生成高质量三维表示，并快速恢复相机参数，优于现有方法。

本研究提出了一种新型多任务学习网络，解决了图像辅助微创手术中的场景检测、分割和深度估计问题，显著提升了三维重建能力和处理效率。

本研究提出了一种新的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问题，显著提升图像质量，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。

本研究探讨了神经辐射场（NeRF）在卫星图像季节预测中的应用，特别是Sat-NeRF的表现。结果表明，作为Sat-NeRF扩展的Planet-NeRF能够有效捕捉季节变化的细微差异，超越了之前的模型，展现了未来研究的潜力。

该研究提出了一种名为IB-planes的新方法，用于快速重建和生成三维场景。它通过动态分配容量捕捉图像细节，并利用去噪扩散框架，仅依赖二维图像学习三维场景的先验知识。研究还提出了避免简单三维解决方案的方法。模型在多个数据集上表现出色，实现了优异的生成、新视图合成和三维重建效果。

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。

本研究提出DreamSat方法，通过微调Zero123 XL模型，结合扩散模型和三维高斯斑点技术，提升航天器三维重建的质量和细节，提高了重建准确性，保障未来空间操作的安全和效率。

图像三维重建是一项复杂任务，涉及从图像推断三维形状。本文综述了最新技术，特别是生成新视角的方法，涵盖输入类型、模型结构、输出表示和训练策略。讨论了未解决的挑战和未来研究方向，强调全面研究算法的重要性。