本研究解决了结构药物设计中的几何建模问题，提出了VLB-最优调度策略，优化了变分下界，显著提升了分子建模效果，PoseBusters的通过率达到95.9%。

本文介绍了一种新方法，通过结合单视图和多视图深度，从动态场景图像中合成任意视角和时间的图像。研究探讨了深度学习在立体视觉中的应用，提出了新型网络和神经渲染方法，并展示了在新视角合成和几何建模中的最新成果。

本文介绍了一种新颖的神经隐式建模方法，通过多种正则化策略实现了大型室内环境的更好重建。该方法利用深度先验锚定场景到初始模型，并引入了密集的深度先验来改善几何建模。同时，还提出了自监督策略规范表面法线估计，并引入可学习的曝光补偿方案适应光照条件。实验结果表明，该方法在具有挑战性的室内场景中产生了最先进的3D重建结果。

通过调控几何建模中的互信息，消除偏差，提高表面重建质量。利用语义和几何特征识别相关点，并增强互信息。

本文介绍了一种新颖的神经隐式建模方法，通过多种正则化策略实现了大型室内环境的更好重建。该方法利用稀疏但准确的深度先验将场景锚定到初始模型，并引入了一种密集但精度较低的深度先验，以改善几何建模的估计。同时，还提出了一种自监督策略来规范估计的表面法线，并引入了可学习的曝光补偿方案以适应复杂的光照条件。实验结果表明，该方法在具有挑战性的室内场景中产生了最先进的3D重建结果。