本研究提出了多种新方法，通过深度学习和运动学模型，从2D图像和3D扫描中恢复个性化人体形状和姿态。新开发的姿态校准和网格恢复技术显著提升了三维重建的效果和准确性。模型SHAPY和PMCE在多个基准测试中表现优异，展示了在时尚和动画领域的应用潜力。

本文提出了一种基于立体事件相机的数据三维重建方法，优化了能量函数和概率深度融合策略，适用于纹理丰富和稀疏场景。同时，研究介绍了实时视觉里程计解决方案，利用事件相机在高速场景下进行有效的三维重建和姿态恢复，实验结果表明该方法性能优于传统技术。

本文介绍了使用事件相机实现实时视觉里程计的解决方案，成功解决了半密集三维场景重建和姿态恢复问题。该系统在高速和大动态范围场景下进行视觉里程计，并在公开数据集和作者的数据集上进行了测试。

本文介绍了一个无监督的学习框架，可以从没有3D地面真实值的图像中恢复出物体的3D形状、姿态和纹理，并在多个数据集上获得了最先进的摄像机预测结果。

本文介绍了使用事件相机实现实时视觉里程计的解决方案，成功解决了半密集三维场景重建和姿态恢复问题，并在高速和大动态范围场景下进行了测试。

本文介绍了使用事件相机实现实时视觉里程计的解决方案。该系统通过立体事件数据融合进行三维场景重建，并通过地图和事件数据表示解决姿态恢复问题。该系统在高速和大动态范围场景下成功进行了视觉里程计，并在标准CPU上实时运行。已在公开数据集和作者的数据集上进行了测试。