本文介绍了多种神经渲染方法用于3D表面重建，包括NeuralUDF、nEudf和DEUDF等。这些方法通过无符号距离函数和多视图监督，成功重建复杂形状，提升了精度和鲁棒性，尤其在处理开放边界和噪声点云时表现优越。实验结果显示，这些新方法在多项基准测试中超越了现有技术。

本研究提出了一种通过学习无符号距离函数（UDF）进行表面重建的新方法，并结合多边形化算法提取表面。实验结果表明，该方法在合成和真实数据的重建中优于现有技术。此外，研究还介绍了SuperUDF和DEUDF等改进方法，增强了对稀疏采样的鲁棒性和重建精度。

本文介绍了多种基于无符号距离函数（UDF）和神经网络的表面重建方法，如NeuralUDF、nEudf和SuperUDF。这些方法通过学习几何先验和正则化技术，显著提升了复杂形状和开放边界物体的重建质量与效率。实验结果显示，这些新方法在多个数据集上优于现有技术，推动了3D表面重建的发展。

本文介绍了一种基于无符号距离函数（UDF）的基于学习的表面重建方法SuperUDF，利用学习的几何先验进行高效训练，并采用新的正则化方法提高对稀疏采样的鲁棒性。实验结果表明，SuperUDF在多个公共数据集上的质量和效率优于现有技术。