该研究提出了一种通过体积渲染和深度融合先验进行多视角RGBD图像学习的方法，以准确进行3D重建。通过截断有符号距离函数（TSDF）从所有可用的深度图像融合并感知粗糙三维结构，解决了几何推断的问题。通过引入注意机制，直接将深度融合先验与学习到的占用情况作为神经隐式函数，该方法在合成和真实世界的基准测试中表现优于最新的神经隐式方法。

体积渲染是一种用于显示三维标量场的二维投影的技术，广泛用于医学成像等三维数据可视化。本文介绍了体积渲染的基本光学模型以及如何估计射线在二维图像上的观察颜色。通过对光学模型的数学推导，得到了射线的透射率和观察颜色的计算公式。通过近似计算，可以估计射线在二维图像上的观察颜色。这种渲染过程对透射率和颜色是可微分的，可以通过反渲染从多个二维图像中估计体积中的透射率和颜色。

该研究提出了一种通过体积渲染和深度融合先验进行多视角RGBD图像学习的方法，以准确进行3D重建。该方法通过TSDF融合深度图像解决深度不完整和被遮挡结构的问题，并引入注意机制超越了最新的神经隐式方法。

本文介绍了一种新的3D组合表示方法，使用可区分的体积渲染计算动态人头和上半身的新视图，并在使用仅2D监督时进行端到端的训练，实现了动态人头和上半身新视图综合的最新最佳结果。