通过在基于体素的网络中添加可见性输入流，结合虚拟物体的合成数据增强和多个时间帧上的 LiDAR 扫描的时间聚合，我们在 NuScenes 3D 检测基准测试中展示了一个状态良好的 3D 检测器整体精度的显着提高。

Dec, 2019

提出了一种基于场景的扩散方法，用于从自我感知的角度预测社交伴侣的姿态和形状，通过物理学基础碰撞评分进一步解决人 - 场景相互渗透，分类器自由训练使得在不同情况下可进行可扩展抽样，并具有更多的多样性，能够通过基于每个关节的可见性进行噪声去除，控制每个身体部位，实现了优秀的可见关节准确度和不可见身体部位的多样性。

Apr, 2023

本文提出了基于层叠的图像生成模型，学习每个物体的形状先验，使用 SGVB 进行学习并应用于前景和背景物体推理。

Nov, 2015

提出了一种从无结构点云中重建网格的新框架，通过利用虚拟视图中三维点的可见性和基于传统图割的网格生成。与其他基于学习的方法相比，该方法只在二维二分类任务上进行学习，更加普适和实用。实验表明，在小型复杂物体上，该方法具有良好的可传递性和鲁棒性，并与最先进的学习方法相比具有竞争优势，并且在大型室内和室外场景中表现出色。

Aug, 2021

同时解决动态场景新视角合成和六自由度跟踪所有密集场景元素的方法，通过分析合成框架，模型化动态场景，并用于各种后续应用。

Aug, 2023

本文提出使用 2D 生成模型加上面部特征操作来创造 3D 可控制生成人脸模型的方法，可进行文本编辑、样式编辑和生成精确的 3D 形状和更高质量的色彩。

Apr, 2023

通过使用基于视觉的场景几何形状信息，我们提出了一种用于改善人体姿态估计的新颖机制：多层深度图。我们展示了这种方法可以提高 3D 姿态估计的精度。

May, 2019

我们提出了一种方法，可以从不同时间戳的场景观察中分割和恢复静态、干净的背景以及多个 360° 对象。我们通过观察相同对象在不同排列下的情况，将多场景融合任务分解为两个主要组成部分：对象 / 背景分割与对齐，以及辐射场融合。实验结果证明了我们的方法的有效性。

Apr, 2024

本文提出了一种基于条件生成建模的目标姿态估计方法，该模型采用基于得分的扩散模型来估计对象姿态，借助二步过程（似然度估计和均值池化）从扩散模型中抽样候选项并综合其结果，约束了不确定性。该方法在 REAL275 数据集上实现了最先进的性能，且不需要微调即可适应具有相似对称性质的新类别，且能够产生与当前最先进的基线相当的结果。

Jun, 2023

提出了一种密集的语义三维重建方法，使用基于视线潜力的数据项和连续的表面积惩罚项，在几何 - 只有情况下，实现了对普通对象的三维重建。该方法使用非凸约束来确保对能见度的准确处理，并提出了一个收敛到临界点的优化策略，并在两个数据集上获得了最新的业界成果。

Apr, 2016