我们提出了几何信息神经算子（GINO），用于高效处理具有不同几何形态的大规模偏微分方程。GINO通过使用有符号距离函数和点云表示来预测车身表面的压力。与传统方法相比，GINO的计算速度提高了26000倍，并且在测试新的几何形态和边界条件时，误差率降低了四分之一。

该文介绍了一种新型分割算法，利用深度条件形状模型作为核心组件，通过深度隐式形状表示学习一个可以为任何感兴趣解剖学生成有符号距离函数的模态不可知形状模型。该算法在多种3D模态下的心脏左室分割问题上进行评估，自动化的DCSM在非对比度CT上表现优于基准结果，在对比度CT和3DE上添加细化后性能得到显著改善，而用户输入标志物的半自动化DCSM在全部模态下的Dice指数均超过92%。

本研究提出了一种新颖的神经隐式亮度表示方法，用于从不规则物体照片中进行自由视角重照。通过多层感知器将形状表示为有符号距离函数，并模拟反射来建模高频光传输效果。该方法在合成和真实场景中得到验证。

该论文提出了一种新的框架ObjectSDF，用于构建高保真度的对象组合神经隐式表示。该框架结合了各个对象的有符号距离函数（SDF），将语义信息转换为对象SDF的函数，并开发了统一且紧凑的场景和对象表示。实验结果表明，该框架在表示整体物体组合场景和单个实例方面具有卓越的优势。