本研究提出了Splatter-360框架，解决了实时合成宽基线全景图像新视图的挑战，显著提升了深度感知和几何估计能力，实验结果优于现有方法。

本文综述了多项式方程组求解在计算机视觉几何估计中的进展，主要包括：提出动作矩阵与单项式基选择求解器并结合RANSAC；实现Gröbner基随机生成与反向问题，数据生成速度提升五个数量级；给出全数值近似消失理想算法及数值完整基构建；自动生成Laurent多项式求解器；利用稀疏resultant提升效率与稳定性；系统生成最小解算器求解相机姿态；提出逆算法构造Gröbner基；并比较平方和松弛优化及机器学习求解PDE与参数化线性系统等方法。

该文介绍了一种名为RGM的深度模型，用于稀疏和密集匹配。该模型在多个数据集上实现了零样本匹配和下游几何估计的卓越性能，优于先前的方法。同时，该文还构建了一个包含稀疏对应关系真值的新的大规模数据集，缩小了合成训练样本和真实场景之间的差距。

本文提出了一种多摄像机系统，用于实现密集的三维重建和自我运动估计。通过多摄像机间的几何估计和单目深度优化，获得鲁棒的几何深度和姿态估计。同时，通过深度优化网络引入可学习的场景先验，实现了在具有挑战性的动态室外环境中的稠密、一致的三维重建。