本文针对从稀疏的二维图像重建高质量三维模型的难题，提出了一种高效的框架，该框架不依赖于深度或匹配模型，利用结构光法（SfM）快速获取粗略相机姿态并进行精细化。研究表明，该方法将训练时间从数小时缩短至数分钟，同时在新视图合成和相机姿态估计方面取得了更高的准确性。

本文介绍了一种基于3D高斯喷洒的辐射场训练方法，显著提高了重建一致性和效率。提出的Splatter Image方法实现了每秒38帧的单目三维物体重建，利用高斯颗粒化技术优化了训练和渲染过程，并探讨了其在动态场景中的应用，展示了在渲染质量和存储效率上的优势。

本文研究了基于3D高斯斑点的逆渲染方法中的像素颜色失真问题，并提出了使用延迟渲染和网格化表示的创新思路来提高渲染质量。实验证明该方法在重新照明条件下优于现有技术，并具有实时渲染的优势。

本研究提出了一种名为RadSplat的轻量级方法，用于复杂场景的鲁棒实时渲染。该方法通过使用辐射场作为先验和监督信号来优化基于点的场景表示，提高了渲染质量和鲁棒优化。同时，我们开发了一种新颖的剪枝技术，减少了点的数量且保持高质量，使场景表示更小、更紧凑，并具有更快的推理速度。此外，我们提出了一种新颖的测试时间滤波方法，进一步加快了渲染速度，并可以扩展到更大的场景。实验证明，我们的方法实现了900+帧每秒的复杂场景综合效果，达到了最先进水平。

本文介绍了一种基于Blob的文本-图像扩散模型BlobGEN，用于组合生成。通过屏蔽式交叉注意力模块解决Blob表示和视觉特征融合问题，发挥大型语言模型的组合性。实验结果表明，BlobGEN在MS-COCO上实现了卓越的零样本生成质量和布局引导可控性。

本文比较了七种减噪方法，发现使用深度学习方法的自动编码器在降噪超声图像方面更为有效。

通过构建伪布尔多项式，提出了一种确定性的边缘检测和图像分割方法。该方法通过计算提取图像块上的伪布尔多项式的度数，对斑点和边缘区域进行二分类。在测试中表明该方法可行，基于基于惩罚的伪布尔多项式的简化、多项式度数和等价性属性的利用。