本文探讨了合成数据在对象视角估计中的应用，提出了多种生成模型（如GINA-3D和MagicDrive3D），并展示了它们在3D场景生成和重建中的高质量表现。研究表明，合成数据与少量真实数据结合使用可提高估计准确性，且新方法在自动驾驶仿真等领域具有变革潜力。

该文介绍了一种名为RGM的深度模型，用于稀疏和密集匹配。该模型在多个数据集上实现了零样本匹配和下游几何估计的卓越性能，优于先前的方法。同时，该文还构建了一个包含稀疏对应关系真值的新的大规模数据集，缩小了合成训练样本和真实场景之间的差距。