本研究提出EditSplat框架，旨在改善现有3D编辑方法在多视角信息处理上的不足，提升视图一致性。通过多视角融合和注意力引导，显著提高了3D高斯点云编辑的准确性和效率，展现出更高的实际应用潜力。

本研究探讨了深度学习在三维物体识别中的应用，提出了一种结合多视角信息的CNN架构，显著提高了识别性能。通过多视图轴自注意力和3D Volume Transformer等新方法，减少了参数使用并提升了重建精度。研究分析了不同模型在物体分类中的表现，强调了三维信息的重要性和未来研究方向。

本研究提出了MEsh TRansfOrmer（METRO）方法，利用变压器编码器建模3D人体网格和关节坐标，具有较强的鲁棒性，能够有效处理局部遮挡问题。该方法在Human3.6M和3DPW数据集上表现优异，并在FreiHAND数据集上超越现有技术。同时，研究探讨了多视角和时间信息的结合，提升了3D姿态估计的准确性和效率。

该研究提出了一种有效表征被遮挡目标行人的方法，通过多视角信息集成和传播的框架，并设计了相应的模块来应对遮挡干扰和区分性不同的图像。实验证明该方法的有效性和优越性。

该研究提出了一种全局-局部融合网络，通过多视角信息的全局和局部利用来改善心脏结构分割的准确性，优化超声心动图分析的稳健性。在多视角超声心动图数据集上，该方法取得了优异的结果。