本文介绍了一种名为3DMV的新方法，结合3D多视图预测网络进行RGB-D扫描的三维语义场景分割。该方法通过融合RGB和几何特征，显著提高了分割效果，并提出了基于动态数据结构的卷积方法、2D-3D融合策略及多视角立体技术的神经重建框架，在多个数据集上表现优异。

本文介绍了一种名为Decoupled Dynamic Filter（DDF）的卷积方法，可以解决标准卷积的不适配和计算量大的问题。DDF将滤波器分解为空间动态滤波器和通道动态滤波器，减少了参数数量，并将计算成本限制在与深度卷积相同的水平上。实验证明，在分类网络中使用DDF可以显著提高性能，计算成本几乎减半。在检测和联合上采样网络上的实验也证明了DDF-upsampling变体的优秀性能。