本研究提出了一种利用单目连续波飞行时间（C-ToF）摄像头重建动态场景的方法，优化了场景几何表示，能够在受限条件下实现高保真的动态三维重建，尤其在快速运动场景中表现优异。

本研究提出一种两阶段框架，解决文本驱动的人物头像生成中的几何表示问题，实现高真实感的3D头像生成，具有重要应用价值。

研究表明，具有一个隐藏层的神经网络中，激活函数对几何表示的影响超出预期。Tanh网络更倾向于学习目标输出结构，而ReLU网络则保留更多原始输入信息。这种差异源于ReLU的非对称渐近行为，使特征神经元关注输入空间的不同区域。Tanh网络在低维目标输出时生成的神经表示更具解耦性，揭示了输入输出几何、非线性与学习表示之间的关系。