本文介绍了一种基于语言描述的视频目标分割方法，利用扩展的语言基础模型实现时空连续预测。研究表明，该方法在多个数据集上优于传统技术，特别是在动态对象捕捉和跨模态学习方面。新提出的模型OnlineRefer和VD-IT在准确性和效率上均优于现有方法，推动了视频理解任务的发展。

本文提出了一种改进的双目视频深度估计方法，利用双向对齐机制和新框架BiDAStereo，解决动态对象的立体匹配问题。研究表明，该方法在多个基准测试中提高了预测质量，并介绍了基于Transformer的DynamicStereo结构和Dynamic Replica数据集，以优化动态场景重构。

本研究提出了一种自监督学习方法，通过未标记的视频学习视觉对应关系，并利用循环一致性识别动态对象。实验结果表明，该方法在视频对象传播和姿态跟踪任务上优于全监督算法，并结合语义模型提升了视觉关系检测性能。

本文介绍了NOVA、PAniC-3D、Free3D和CharacterGen等多种新方法，用于3D重建和新视角合成。这些方法通过不同技术提升了3D模型的生成质量和一致性，展示了在动漫角色、动态对象和多人场景中的应用潜力，推动了数字内容创作的发展。

本文提出了一种新型的3D高斯对象分割方法SA-GS，通过多视角掩码生成和标签分配，实现高质量的3D分割。该方法适用于场景编辑和碰撞检测，支持动态对象的纹理编辑，并在多个数据集上验证了其有效性。

本文介绍了NOVA视角增强策略，用于训练动态对象在静态场景中。该框架减少了混合伪影，提高了峰值信噪比，并具有便捷性、灵活性和可伸缩性。代码库托管在GitHub上。