提出了一种使用四面体网格表示体积的映射方法，使用对称性的 ARAP 能量来实现形状的匹配，并最小化畸变能量以提高匹配精度。

Feb, 2022

本研究提出了一个统一的框架，用于预测 3D 形状之间的点对应和形状插值，结合了深度函数映射和经典表面变形模型，在谱域和空间域中进行形状映射。实验结果表明，该方法在形状匹配和插值方面优于以往最先进的方法，甚至超过了有监督学习方法。

Feb, 2024

本文提出了一种高效的原则性变分方法来进行低限制的反射光照下未校准的 Photometric Stereo 技术，其中近似于通过球形谐波展开的兰伯特反射模型，通过单个变分问题来联合恢复形状，反射和光照。

Apr, 2019

通过提出一种新的部分形状匹配方法，该方法可以通过特征匹配建立偏差和完整形状的直接对应关系，并使用功能地图中间空间。Gromov 距离是构建我们损失函数的第一部分的依据，另外我们还使用了基于映射保持面积属性的项以及无需计算功能地图的放松版本进行正规化，该方法在 SHREC'16 数据集上表现出卓越的性能，并且在 SHREC'16 HOLES 基准测试中超过了现有的无监督方法，并与有监督方法相比也具有卓越的结果。

Oct, 2023

本文介绍了一种适用于透视相机和附近点光源的多视图光度立体技术 (MVPS) 来捕捉 3D 形状和空间变化的反射，并在实验中展示了应用该算法重建形状和捕捉反射的准确性。

Jan, 2020

本文提出了一种应用于参与媒体的光度立体方法，通过建模形状相关的前向散射，用查找表描述前向散射，并表示为空间各异的内核，以及通过将大规模稠密矩阵近似为稀疏矩阵，可消除前向散射，实验结果证明该方法在参与媒体下的 3D 重建具有很好的性能。

Apr, 2018

我们提出了一种新的基于学习的方法来进行 3D 形状匹配，可以在完全非监督的情况下进行训练，并可准确处理非等距形状、局部形状、不同离散化或拓扑噪声的形状。

Apr, 2023

通过使用 Segmentation-Driven Deformation Multi-View Stereo（SD-MVS）方法，并结合 Segment Anything Model（SAM）进行场景中语义实例的区分，以及采用独特的细化策略，可以显著提高重建的 3D 模型的完整性，并通过 Expectation-Maximization 算法优化匹配成本及超参数，有效减少参数过度依赖经验调整的问题。在 ETH3D 高分辨率多视角立体视觉基准和 Tanks and Temples 数据集上的评估表明，该方法能够在更少的时间内达到最先进的结果。

Jan, 2024

通过将 SfP 的偏振线索与 PMD 的几何信息相结合，我们引入了一种测量原理，可以准确解码具有高光面反射的光场中包含的信息，并解决 3D 测量中的各种歧义问题，并且我们的方法去除了 SfP 的不切实际正交成像假设，显著提高了测量结果，演示了在复杂形状的高光表面上通过单次和多次拍摄的测量手段，验证了表面法线的精度在 0.6° 以下。

Jun, 2024

该研究论文提出了一种基于图形而非基于点的匹配算法，通过使用谱图理论将图形映射到低维空间来对齐形状和避免姿态变化带来的不变性问题，该算法通过直方图匹配来选择拉普拉斯矩阵的最佳特征函数子集以提高性能，并将形状匹配转化为点注册的问题。

Dec, 2020