因此本文提出 DeepSeekMath-V2，在大规模测试计算资源的支持下，展现出强大的定理证明能力：在 2025 年国际数学奥林匹克和 2024 年中国数学奥林匹克中取得金牌级成绩，在 2024 年普特南数学竞赛中获得接近满分的...

本文全面综述了基于事件相机的3D重建技术，分析了不同输入方式和重建方法的成果，指出了数据可用性和评估的局限性，并展望了未来的发展方向。

本文介绍了一种新的3D重构框架，通过内在分解指导、瞬态-单模先验指导和视图增强解决光照不一致、几何不对齐和视图稀疏等问题。该框架将多视图图像生成与神经网络基于体积有符号距离函数的单一图像到3D对象重建相结合。在各种数据集上评估，展示了其卓越性能，与最先进方法相比，Chamfer距离误差降低了约36％，PSNR提高了约30％。

OpenMaterial是一个包含1001个物体的数据集，涵盖了295种不同材料，并在723种不同的照明条件下进行了采集。该数据集提供了全面的标注，包括3D形状、材料类型、相机姿态、深度和物体掩码。OpenMaterial数据集为处理复杂材料属性的3D重建算法的发展提供了可能。

图像三维重建是具有挑战性的任务，本综述论文介绍了最新技术和未来研究方向，包括生成新视角的方法。全面研究算法至关重要。

通过检查COCO（2017版本）中的掩膜，发现错误并开发了COCO-ReM数据集，该数据集具有更清晰、质量更好的掩膜。评估了50个目标检测器，发现在COCO-ReM上得分更高的模型预测效果更好，训练模型收敛更快，得分更高，强调了数据质量对目标检测器的重要性。建议未来的目标检测研究使用COCO-ReM数据集。

该研究论文提出了一种名为 Du-NeRF 的双重神经辐射场方法，可同时实现高质量的几何重建和视角合成，大大改善了室内环境下的新视角合成和三维重建性能，并对不服从多视角颜色一致性的细几何构造尤为有效。

UniSDF是一种通用的3D重建方法，可准确重建具有反射表面的大规模复杂场景。通过混合视图和反射颜色预测参数化技术，实现更精确的几何表面重建。结合多分辨率网格训练，实现更快的重建速度。实验证明，该方法能稳健地重建具有精细细节和反射表面的复杂场景。

Splatter Image是一种超快的单目三维物体重建方法，每秒38帧。它使用高斯颗粒化技术，通过一个二维图像到图像的网络将输入图像映射到每个像素点上的一个三维高斯。该方法还使用多个图像作为输入，并通过添加交叉视图注意力来实现。Splatter Image在标准基准测试中表现优于基线方法，具有更好的PSNR、LPIPS和其他度量标准结果。

本研究提出了DreaMo，一种从单个且视角覆盖不完整的网络视频中重建关节3D形状的方法。通过使用条件视图扩散先验和定制的正则化方法解决了低视角覆盖区域带来的挑战，并引入了骨架生成策略生成可解释的人体骨架。研究结果表明DreaMo在新视角渲染、详细关节形状重建和骨架生成方面具有良好的质量，并且能够解决视角覆盖不完整导致的几何问题。

本文介绍了一种高效的3D医学图像重建方法，结合了传统的基于模型的迭代重建方法和现代扩散模型。该方法在单个GPU上运行，具有高保真度和准确度的重建能力，并具有高泛化能力，适用于不同的体积。