本文介绍了一种基于时空平滑的非刚性运动稠密重构方法，结合拉普拉斯算子和 L1 范数，有效处理噪声和异常值。该方法在合成和实际图像中表现优于现有技术，显著提升了非刚性结构重建的准确性和鲁棒性。

该研究提出了一种无监督学习方法，利用SE(3)等变特征进行刚体分割和运动估计，显著提升了模型的效率和性能。通过深度神经网络，研究了非刚性运动结构恢复，展示了优越的精度和鲁棒性，并在多个数据集上验证了其有效性。