本文介绍了一种名为OctField的可学习分层隐式表示方法，利用自适应八叉树结构进行形状建模和重建。该方法在处理点云数据时，能够有效重建表面，抑制幽灵几何，并支持细粒度编辑和用户控制。实验结果验证了其在3D形状插值和重构中的优越性，展示了在复杂场景中的应用潜力。

本文介绍了多种3D人体姿态和形状建模的方法，如HuManiFlow、CorticalFlow和LoopReg。这些方法利用深度学习和自监督学习技术，提高了姿态估计的准确性和效率，解决了数据集偏见和噪声干扰问题，具有广泛的应用潜力和临床价值。

本文介绍了一种新的3D表示方法，神经向量场（NVF），通过预测位移和使用矢量场对形状建模，克服了分辨率和拓扑的障碍。提出了基于矢量量化的形状代码本学习方法，并在不同评价场景中取得了优于最先进方法的结果。