本研究提出了一种新方法“实用主义者”，用于从稀疏且未摆姿的观察中推断3D结构。该方法通过条件新视角合成优化重建对象，实验结果显示其在多个基准测试中表现优异。

本研究提出SPTTE框架，解决时变多次旅行时间分布建模问题，利用时空随机过程回归应对稀疏观察挑战，显著提升旅行时间估计的准确性。

MVSplat360是一种新颖的360度场景合成方法，解决了稀疏观察导致的合成质量问题。该方法结合三维重建与视频生成，在仅使用5个稀疏视图时显著提高了合成质量，实验结果表明其在DL3DV-10K数据集上优于现有方法。

本研究提出了一种新方法，通过稀疏观察数据有效估计摄像头佩戴者的身体运动，开发了两阶段方法，并验证了其在不同设置和数据集上的有效性。

本研究探讨在缺乏目标系统训练数据的情况下，如何仅凭稀疏观察重建动态。提出了一种结合变换器和水库计算的机器学习方案，利用已知混沌系统的合成数据进行训练，证明在数据稀缺的情况下也能高精度重建复杂非线性动态。