该文综述神经隐式表面重建研究，涵盖：结合立体匹配与特征保持的SDF框架以提升复杂场景鲁棒性；双层SDF建模穿衣人体并分区渲染；NeuS基于SDF零水平集与体积渲染实现高保真重建；NeuralUDF以无符号距离场重建任意拓扑；以及基于截断SDF与RGB-D、几何纹理光照联合优化、稀疏视角表面先验、UniSDF反射场景重建和几何一致多视图等方法。

本文提出了一种名为DoubleCoverUDF的新方法，用于从无符号距离场中提取零水平集。该方法通过使用标准的Marching Cubes算法，使用学习得到的UDF和用户指定的参数r提取具有等值r的等值面。实验结果表明，与现有的基于UDF的方法相比，我们的方法具有更好的视觉评估和定量指标。