本研究提出了UniHOI模型，旨在解决自我中心手物体交互视频中的密集点云序列重建问题。该模型通过大规模单目视频数据集进行训练，克服了标记数据稀缺的限制，显著提升了点云重建和三维场景流恢复的效果。

本文探讨了从点云重建计算机辅助设计（CAD）模型的多种方法，包括混合分析、卷积神经网络和Transformer架构。研究提出了P2CADNet和ContrastCAD等新模型，展示了在CAD模型重建和语义信息捕捉方面的优越性能，实验结果表明这些方法在重建质量和准确性上达到了新的技术水平。

本文提出了一种基于扩散的3D形状完成方法，利用分层特征聚合和性感知融合策略，显著提升了形状生成的质量和多样性。该方法支持多种输入模态，允许用户通过不完整形状、图像和文字描述生成3D形状，并有效重建不完整的点云对象。此外，研究探讨了该技术在LIDAR三维物体追踪中的应用，提升了追踪的成功率和准确率。