提出了一种名为 Flash3D 的方法，用于从单个图像进行场景重建和新视角合成，具有很强的通用性和高效性。该方法基于基本模型进行深度估计，并使用高斯分层预测场景的 3D 形状和外观，利用高斯散点处理进行扩展。该方法训练效率高，在 RealEstate10k 数据集上取得了最先进的结果，在其他数据集上也表现出色。

Jun, 2024

本文介绍了一种基于像素输入和 3D 刚性类别的输出的自动化流程，通过从现有物体检测数据集中学习可变形的 3D 模型并结合底层模块进行高频率形状细节恢复，实现了在单幅图像中获取真实场景下物体的三维表面重建，通过在最近引入的 PASCAL 3D + 数据集上的全面定量分析和消融研究展示了非常令人鼓舞的自动重建效果。

Nov, 2014

该研究提出了一种新的方法，使用单个图像进行 3D 重建，生成了一个完整的 360 度 3D 纹理网格，改进于现有方法，具有更好的几何形状和一致性。

Jun, 2023

本文提出了一种基于神经辐射场的方法，通过使用已有的条件图像生成器引导其 “创造” 目标物体的新视图，通过 DreamFields 和 DreamFusion 的启发，将给定的输入视图、条件先验和其他正则化参数融合在一起，从而解决了从单张图像进行 360° 拍摄的问题，并在单眼 3D 建模重建中达到了最先进的效果。

Feb, 2023

本研究提出了一种针对单个室内 360 度图像的平面感知卷积神经网络方法，可实现密集的深度和表面法向估计以及平面边界识别，此外，添加测地线坐标图作为网络先验可显著提高表面法向预测准确性，最终可以将网络的输出组合用于生成高质量的室内场景 3D 模型。

Jul, 2019

本文提出一种解决单视角条件下房间（墙壁，地板，天花板）的三维布局重建问题的新方法，使用离群点检测和优化方法，在处理布局中的遮挡时提高了重建的准确性，同时创建了扫描网数据集以便对方法进行数量化评价。

Jan, 2020

本文提供一种基于学习的方法来从单个肖像图像中恢复人头的 3D 几何形状，并且使用参数化 3D 人脸模型来表示头部几何形状以及其他头部区域的深度图，同时使用双目立体匹配方法从具有野外人脸的图像中学习头发和耳朵的几何信息，最后，评估和对比结果表明该方法可以产生高保真的 3D 头部几何形态和头部姿态操作结果。

Apr, 2020

提出一种将单个 RGB-D 输入图像转换成 3D 照片的方法，其中包含了多层的新视角综合结构，可以补全原始视角中被遮挡区域的缺失的颜色和深度信息，并经验证在各种现实场景中比现有技术实现更少的图像伪影。

Apr, 2020

通过结构化将问题分解为补全和 2D 到 3D 场景转换两个步骤，本文提出了一种场景重建的方法。通过利用大型语言模型来补全从不同视角渲染的场景彩色图像中的缺失区域，然后通过预测补全图像的法线并解决缺失深度值的方法来将这些补全图像转换为 3D。通过对法线的预测而不是直接预测深度，我们的方法可以适应深度分布和尺度的变化，同时在提供对新对象和场景的泛化能力的同时，优于多个对比基线的表现。

Jul, 2023

通过结合压缩的自注意力机制、不可微分体素渲染、场景压缩和图像特征投影等方法，我们提出了一种高效、可扩展的基于 Transformer 的编码器 - 渲染器方法，用于从单次拍摄的图像重建 3D 一致的参数化三平面，适用于大规模、无界的户外驾驶场景。

Apr, 2024