该研究提出了一种用于去模糊的神经光辐射场（NeRF）的事件驱动捆绑调整方法（EBAD-NeRF）。该方法通过混合事件 - RGB 数据来联合优化可学习的姿势和NeRF参数，并引入了强化相机运动模糊的强度变化度量事件损失和光度模糊损失。实验证明EBAD-NeRF在曝光时间内可以准确获得相机姿势，并学习到比以前的方法更清晰的3D表示。

我们提出了一种无姿势大重建模型（PF-LRM），可以从少数非姿势图像中重建三维物体，同时在单个A100 GPU上估计相机姿势，仅需约1.3秒。PF-LRM利用自注意力块在三维物体标记和二维图像标记之间交换信息，具有强大的泛化能力，并在未见评估数据集上超越基线方法。模型适用于下游文本/图像到三维任务，并具有快速的前馈推理。