本研究提出了NeuGrasp方法，旨在解决透明和反射物体场景中机器人抓取的挑战。该方法结合背景先验和变换器，提升了在稀疏视角下的表面重建能力。实验结果表明，NeuGrasp的抓取性能优于现有方法，同时重建质量相似。

本研究提出了一种新的3D几何形状编码方法，旨在提高几何处理效率并减少数据损失。研究通过变分形状推理和新模型，展示了在三维物体表面重建中的优越性，特别是在处理复杂拓扑和提升重建性能方面的表现。

本文介绍了多种神经隐式函数方法在表面重建中的应用，包括RegSDF、SparseNeuS和HF-NeuS。这些方法通过引入几何特征和优化策略，提高了重建质量和速度，尤其在稀疏视角下表现优越。新提出的GenS和Spurfies方法进一步提升了重建效果，能够在复杂场景中恢复高频细节。

通过调控几何建模中的互信息，消除偏差，提高表面重建质量。利用语义和几何特征识别相关点，并增强互信息。

本文介绍了一种基于无符号距离函数（UDF）的基于学习的表面重建方法SuperUDF，利用学习的几何先验进行高效训练，并采用新的正则化方法提高对稀疏采样的鲁棒性。实验结果表明，SuperUDF在多个公共数据集上的质量和效率优于现有技术。