本文提出了一种新的基于占据网络的、在 3D 重建方面使用的表示方法，可以在计算和内存效率上实现任意拓扑的高分辨率几何表示，并通过各种输入进行推断，产生竞争力的结果。

Dec, 2018

Pix2Repair 是一种自动形状修复方法，通过对图像进行分析来生成 3D 打印的修复形状，从而克服了传统修复方法需要高分辨率的不完整 3D 网格的不足。

May, 2023

通过使用基于边界采样的方法和基于熵的优化过程，我们提出一种从稀疏输入中学习占据场的方法，并展示了该方法在隐式形状推断方面相对于基线方法和现有技术的有效性。

Apr, 2024

在脆性断裂动画领域，本文引入了一种新颖的基于学习的方法，将逼真的脆性断裂动画与刚体模拟相融合，通过 BEM 脆性断裂模拟和几何分割有符号距离函数（GS-SDF）作为训练数据，采用潜在冲量表示法作为输入，在保持计算效率的同时生成更详细的脆性断裂。

Oct, 2023

本文提出了一种基于 OccupancyM3D 的单眼 3D 检测方法，通过利用同步的稀疏 LiDAR 点云，直接在截锥体和 3D 空间中学习占用情况，从而生成具有更强区分性和信息性的 3D 特征和表示，并通过占用预测来增强原始的截锥体 / 3D 特征，经 KITTI 和 Waymo 数据集实验结果表明，该方法达到了新的最佳表现，并远远超过了其他方法。

May, 2023

通过与现有规划方法结合，我们提出了一种全卷积形状补全模型（F-CON），可以在现实世界中实现密集堆放。我们还发布了一个模拟数据集（COB-3D-v2），用于训练真实世界机器人应用的形状补全模型，并使用它证明 F-CON 超过其他最先进的形状补全方法。最后，我们将 F-CON 应用于实际的拾取放置系统，并展示了在混乱的场景中对复杂、未知物体的密集堆放。在多种规划方法下，F-CON 实现了比其他形状补全方法更好的密集堆放效果。

Jul, 2023

通过提出一种新的 3D Occupancy 表示法 (OccNet)，并在 nuScenes 数据集上建立了 OpenOcc，我们方法能够有效地为多个驾驶任务提供有力的支持，并取得了显著的性能收益，例如运动规划可以实现 15％-58％的碰撞率降低。

Jun, 2023

本文提出了一种自监督学习方法 SelfOcc，使用视频序列仅学习 3D 占用情况，通过将图像转换为 3D 空间来得到 3D 场景表示，并利用自监督信号优化这些表示。SelfOcc 在 SemanticKITTI 和 Occ3D 上使用单帧输入相比之前最佳方法 SceneRF 提高 58.7％，并且是首个在 Occ3D 上为周围摄像头产生合理的 3D 占用情况的自监督工作。SelfOcc 在 SemanticKITTI、KITTI-2015 和 nuScenes 上达到了最先进的结果，分别在新颖深度合成、单目深度估计和环视深度估计方面实现了高质量的深度。

Nov, 2023

本文提出了 Occudent，一种利用神经隐式函数从全景射线照片中进行三维牙齿重建的框架，通过多标签分割和重建网络实现了在 3D 空间中隐式确定牙齿边界，并在实验证明 Occudent 相比最先进的方法具有优越性。

Nov, 2023

本文提出基于卷积的代表性网络 Convolutional Occupancy Networks 用于 3D 重建，实现了在较为复杂的几何情况下的结构化推理及其他先验偏差的融合，通过从噪声点云等数据中重建复杂几何模型且适用于大尺度室内场景。

Mar, 2020