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。

本研究使用几何方法首次将数据集的组合度与内在维度关联，揭示了组合性与几何复杂性之间的关系，展示了语言特征在组合任务中的编码形式。

本研究提出了一种新方法，通过构建数据集并训练YOLOv5网络，结合几何和CNN方法，分析机器人拾取与放置任务的场景变化。结果显示，CNN方法在某些场景中比几何方法准确率高12%，总体成功率为84.3%。

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。