本研究提出了一种自适应模板网格重建网络（ATMRN），有效解决了传统方法忽视个体解剖变异的问题。实验结果表明，该方法在皮层网格重建方面达到了新的基准，适用性广泛。

本研究提出DyGASR方法，通过动态优化信号表示，使用广义指数函数替代传统3D高斯，减少粒子数量，并引入广义表面正则化以确保网格重建时表面对齐。实验结果表明，该方法速度提高25%，内存使用减少30%。

本文介绍了一种基于spin match算法的多视角手部网格数据集生成方法，显著提升了手部姿态估计性能。提出的HandSSCA网络和HHMR方法实现了高效的手部网格重建，超越了现有技术。MLPHand通过轻量化设计降低了计算复杂度，同时保持了重建准确性，为手部姿态识别和网格编辑提供了新可能。

本文综述神经渲染与三维重建技术：利用多视角视频重建、压缩并渲染人体表演，结合网格工作流与神经表面重构；提出可微分渲染管道优化三角网格与神经着色器；让网络学习骨架、皮肤和混合形状以改进步态变形；用图卷积网络提升网格质量；提出NeuFace为视频人脸网格伪标注并构建数据集；还提出混合可微渲染分阶段重建几何与反射率，以及单图人体新视角重渲染方法。