本研究全面评估了事件驱动的3D重建方法，分类为几何、学习基础和混合方法，识别研究差距与未来方向，为领域发展提供指导。

该研究提出了一种基于几何的超分辨率方法，以提高点云几何压缩效率。通过构建分层先验，实现了更准确的编码和解码，减少了位数消耗。同时，研究介绍了多尺度自动编码器和基于神经网络的压缩方法，显著提升了压缩率和视觉效果。此外，提出的新点云质量评估方法优于现有技术。

本文提出了一种具有旋转不变性的局部一致变换学习策略，解决了点云分析中的相对姿态丢失问题。通过结合对比学习和几何方法，提升了形状分类和部分分割任务的性能。此外，研究还介绍了无对应点云旋转配准方法和自监督预训练框架，均显示出优于现有方法的效果。

该论文介绍了一种基于几何的方法来解决真实时间凝视估计系统的挑战，通过生成准确的人脸和虹膜的三维地标，预测眼睛凝视方向，实现高精度、实时的眼睛凝视估计。