本研究解决了传统三维体素融合算法在可视化真实性方面的不足，提出了一种名为 GSFusion 的新方法，通过将高斯点云与体素映射结合，显著提高计算效率和质量。该方法利用四叉树数据结构减少初始化的高斯点数量，从而实时生成高质量的紧凑三维高斯地图和体素地图，展现出较低的伪影和良好的结构一致性。

本文介绍了一种基于特征体积的实时密集重建方法，该方法通过稀疏深度特征体积预测TSDF值，并利用多视角图像聚合细节，实现高分辨率三维重建。该方法在室内外场景中展现了优越的实时重建性能。

本文研究了语义场景完成中的数据融合问题，提出了一种3D门控递归融合网络（GRFNet），能够自适应融合深度和RGB图像信息。通过多阶段融合策略，GRFNet在两个基准数据集上表现优异。同时，文中还介绍了实时语义场景完整方法和基于单目摄像机的DepthSSC方法，均在各自领域取得了良好性能。

该研究提出了一种通过体积渲染和深度融合先验进行多视角RGBD图像学习的方法，以准确进行3D重建。该方法通过TSDF融合深度图像解决深度不完整和被遮挡结构的问题，并引入注意机制超越了最新的神经隐式方法。

该文介绍了一种使用TSDF方法从RGB图像中实现三维重建和语义分割的方法，并在Scannet数据集上得到了超过基准结果的评估。