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RadSplat方法，优化复杂场景的实时渲染，提升渲染质量和速度。通过新剪枝技术和测试时间滤波，实验证明可实现900帧每秒的渲染效果。同时，研究综述了3D高斯喷洒的进展，提出多种新方法以提高渲染性能和一致性，解决现有技术的局限性。

本文探讨了基于扩散模型的图像生成技术，提出了一种通过文本提示提取关键组件并生成复杂场景的方法。研究表明，该方法在图像保真度和文本对齐方面优于传统模型，能够处理多概念输入并生成一致的视觉表示。引入交叉注意力机制和人类反馈进一步提升了生成图像的质量和可控性。

该研究提出了一种结合全局与局部知识的超声图像去噪网络，通过细粒度改进提升图像质量。实验结果显示，该模型在定量指标和视觉性能上均表现优异。此外，研究还介绍了一种基于深度学习的无监督去噪方法，有效去除信号相关噪声，优于现有技术。

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。