本文介绍了多种基于3D生成对抗网络（GAN）的方法，旨在生成高质量的3D图像和辐射场。通过显式变形场、对比学习和隐式姿态嵌入等技术，显著提升了图像合成效果，并提出了新的框架和模型，以更好地控制形状、外观及相机视点，适用于非刚性物体生成。

本文介绍了一种结合可变自编码器和图形卷积运算的新型深度学习方法，实现非刚性物体的局部补全。通过对人体和面部网格的实验，取得了良好效果。此外，提出了一种基于RGB-D视频的多目标跟踪方法，显著提升了跟踪的鲁棒性和性能。