我们提出了一种名为HeadsUp的方法，用于从大规模多摄像头捕获中重建高质量的3D高斯头部。该方法采用高效的编码-解码架构，将输入视图压缩为紧凑的潜在表示，并解码为与中性头模板锚定的UV参数化3D高斯。我们在超过10,000个受试者的内部数据集上训练和评估模型，取得了最先进的重建质量，并能在没有测试时优化的情况下推广到新身份。

本文介绍了LGTM（Less Gaussians, Texture More）框架，旨在解决现有3D高斯点云方法在高分辨率合成中的局限性。LGTM通过预测紧凑的高斯原语及其纹理，实现了高保真4K视图合成，并显著减少了所需的高斯原语数量。此外，HUGS（Human Gaussian Splats）方法用于表示可动画的人类与场景，提升了动态场景的渲染效果。

3D高斯点云（3DGS）方法常依赖于像素级损失，导致渲染模糊。研究发现，正则化的Wasserstein失真（WD-R）在恢复细节方面表现优异，超越传统3DGS损失和当前最佳方法。WD-R在多个数据集上实现了最先进的感知质量，并在3DGS场景压缩中节省了约50%的比特率。

自监督学习（SSL）是一种无标签样本的机器学习方法。本文提出高斯过程自监督学习（GPSSL），通过高斯过程模型改进表示学习，克服传统SSL在生成相似观察对和不确定性量化方面的局限。GPSSL引入高斯先验，优化表示空间，实验结果显示其在分类和回归任务中优于传统方法，提高了准确性和不确定性控制。

本文探讨了多视角结构方程模型下的因果发现，提出了一种新方法，放宽了对非高斯扰动的假设。通过利用视角间的相关性，证明了模型的可识别性，并提出了多种因果发现算法。这些方法在神经影像数据上进行了验证，有效估计了脑区之间的因果关系。

本文介绍了如何使用高斯混合模型（MOG）算法通过OpenCVSharp库从视频流中分离前景和背景，并在WPF界面中展示处理结果。尽管效果一般，但为学习OpenCVSharp奠定了基础。

本文介绍了一种名为D-FCGS的动态高斯泼溅压缩方法，专为自由视角视频设计。该方法通过标准化结构和双先验感知熵模型，实现超过40倍的压缩比，提升了重构质量和泛化能力，适用于虚拟现实等应用。

本文提出了一种新颖的多视角结构方程模型（SEM）线性因果发现方法，放宽了非高斯扰动的假设，并假设视角间方差多样性。我们证明了模型参数的可识别性，并提出了一种基于多视角独立成分分析的估计算法。该方法通过模拟和实际神经影像数据验证，能够有效估计脑区之间的因果图。

亚马逊MGM影业发布了《Project Hail Mary》的首个预告片，改编自安迪·威尔的畅销小说。影片讲述了瑞安·高斯林饰演的宇航员瑞兰德·格雷斯，他在一艘距离地球11.9光年的飞船上醒来，失去记忆。地球的太阳和邻近恒星因神秘物质濒临死亡，格雷斯被派往唯一未受影响的恒星寻找拯救人类的希望。影片定于2026年3月20日上映。

新电影《星球大战：战斗机》将于2027年5月28日上映，故事设定在《天行者的崛起》五年后，由肖恩·莱维执导，瑞安·高斯林主演，影片将介绍全新角色和未探索的时间段。