本研究提出DiET-GS框架，结合无模糊事件流和扩散先验，解决模糊多视图图像重建清晰3D表示的问题。采用两阶段训练策略，显著提高新视图质量，准确恢复颜色和细节，实验结果优于现有模型。

本研究提出了一种新方法，通过大规模合成数据集和扩散先验，解决单视角三维头发重建中的发型多样性问题，能够有效重建复杂发型，并在真实图像上表现良好。

本文介绍了一种名为PGDiff的新方法，利用预训练扩散模型进行图像恢复任务。该方法通过引入部分指导的新视角，模拟高质量图像的期望特性，并将其应用于逆扩散过程。PGDiff 结合扩散先验能够在各种恢复任务中产生令人满意的结果，并且可以处理复合任务。