本研究提出了一种基于学习的逆色调映射方法，利用深度自动编码器从低动态范围图像恢复高动态范围数据，验证其在户外环境映射和图像匹配中的实用性。同时介绍了高动态范围神经辐射场（HDR-NeRF）及相关技术，以提升图像合成和照明估计效果。

本文介绍了一种基于深度学习的训练协议，能够从单目摄像机学习几何、运动和语义信息，实现全面场景识别。实验结果表明，该框架在深度估计、光流和运动分割等任务中表现优异，适用于高性能和低功耗平台。此外，研究提出了多种方法，提升了3D场景重建和深度完成的精度，取得了先进的性能。

我们提出了Point'n Move方法，通过暴露区域修复实现交互式场景对象操作。方法采用高斯飞溅辐射场作为场景表示，并通过2D提示点到3D掩码的双阶段自我提示分割算法提供互动性。该方法在正向和360度场景上进行了测试，结果显示出卓越的质量和速度优势。

本论文介绍了一种使用3D形状和2D笔画的模型，生成艺术风格化线条图案，并学习艺术家的风格，生成带有纹理笔触的绘画。该模型可用于交互式应用中的后续分析或编辑。