本研究提出了UW-SDF框架，通过混合几何先验优化水下3D重建，提升了重建的质量与效率。同时，提出了少样本多视角目标分割策略，以解决图像分割的一致性问题。实验结果表明，该方法优于传统技术。

本文介绍了一种利用高斯分布的新方法，通过稀疏视图以前馈的方式学习和呈现广义的人类高斯，实现对新的人类主题的逼真和准确的视图呈现。该方法在学习3D高斯参数时，利用了强的几何先验和2D卷积的优势，并通过多层支架的提出有效地表示偏移细节。实验证明，该方法在数据集内和跨数据集的泛化设置中优于最近的方法。

该论文提出了一种新的NeRF方法，通过建模对应匹配信息，提供几何先验，实现体渲染。通过Transformer交叉关注模型，提高特征匹配质量，并在不同评估设置中取得最新成果。实验证明了该方法的有效性和优越性。

本文介绍了一种新的自监督表征学习方法，通过结合有区分度的自监督特征和三维理解，以及弱几何球面先验，来提取具有挑战性的图像特征。该方法在训练过程中注入了信息丰富的几何先验，能够更好地考虑重复部分和对称性误差。实验结果表明，该方法在区分对称视图和重复部分方面表现出色，并且能够推广到未见类别的数据集上。

该论文提出了一种新的NeRF方法，通过两个来源视图推广到新的场景并进行视图合成。该方法利用对应匹配信息建模，提供几何先验，实现体渲染。通过Transformer交叉关注模型跨视图交互，提高特征匹配质量。实验证明了该方法的有效性和优越性。

本文介绍了一种基于无符号距离函数（UDF）的基于学习的表面重建方法SuperUDF，利用学习的几何先验进行高效训练，并采用新的正则化方法提高对稀疏采样的鲁棒性。实验结果表明，SuperUDF在多个公共数据集上的质量和效率优于现有技术。

本文介绍了一种从野外拍摄的单目RGB视频学习高质量隐式三维头像的方法，通过参数化人脸模型驱动头像，实现用户控制的面部表情和头部姿态。该方法结合几何先验、3DMM的动态跟踪和神经辐射场，实现细粒度控制和光线真实感。实验结果表明，该方法能够重建高质量的头像，具有更准确的表情依赖细节，并在训练之外的表情和数量上具有优秀的渲染效果。