本文提出一种可扩展的结构运动问题（SfM）求解方法，通过引入相机聚类算法将大型 SfM 问题划分为具有重叠的相机簇的子问题，并将局部增量 SfM 的相对位置应用到全局运动平均框架中以产生准确且一致的全局相机位姿。我们能够重建含有超过一百万张高分辨率图像的城市级数据集的相机位姿，在基准、Internet 和序列数据集上表现出卓越的准确性和鲁棒性。

Feb, 2017

本文提出了一种处理多视图卫星图像生成 3D 数字表面模型的自动化流程，其中包括自动地地理参考和基于匹配生成高质量密集点云。通过学习样本 LiDAR 数据的关键配置，我们根据结果的接近程度对图像对进行排名，并使用自适应 3D 中值滤波器融合多个深度图。我们证明了提出的自适应中值滤波器通常比普通中值滤波器产生更好的结果，在最佳情况下达到了 0.36 米 RMSE 的精度提高。结果和分析被详细介绍。

May, 2019

本文提出了一种 ' 粗到精 ' 的全局配准算法，通过利用较小尺度上的健壮配准来引导较大尺度上的新对应和结构约束，解决手持相机的 RGB-D 图像长视频序列全局一致 3D 模型重建的问题，并基于 SUN3D 数据集中的 25 个场景提供了规模达 10,401 个手动点击的点对应关系的基准测试，实验证明我们的算法比以前的方法更好。

Jul, 2016

提出了一种新的运动感知增强框架，通过挖掘光流中的有用运动线索来改进动态场景重建，以提高不同动态 3D 高斯喷溅方式的性能，并针对基于形变的范例提出了一种瞬态感知形变辅助模块。经过广泛的实验证明，与基线相比，我们的方法在渲染质量和效率方面都表现出明显的优势。

Mar, 2024

本文提出了一种用于从单个 RGB-D 图像估计刚性物体 6D 姿态的计算高效的回归框架，可应用于处理对称物体，并且在特征提取方面使用全卷积神经网络 XYZNet, 直接回归 6D 姿态，并且设计了对称不变的姿态距离度量，称为平均 (最大) 分组基元距离或 A (M) GPD, 在 YCB-Video 和 T-LESS 数据集上进行的大量实验表明，该提出的框架在高准确性和低计算成本方面具有显着优越性。

Apr, 2022

通过使用多目标优化方法和双动态网格变换等技术，本文提出了一种解决医学图像中大幅度变形和内容不匹配问题的多目标三维变形图像配准方法，并实现了良好的效果。

Feb, 2022

该研究利用条件去噪扩散概率模型（DDPM）通过训练产生高分辨率的三维表面来进行单幅遥感图像的高度估计。实验结果表明该方法在 Vaihingen 基准数据集上有很好的效果。

Apr, 2023

本文提出了一种新的多视点点云配准方法，使用神经网络评估扫描对之间的重叠，构建稀疏的姿态图，并在 IRLS 方案中设计了一种新的历史加权函数以提高对异常边缘的强鲁棒性，实验结果表明，相对于现有方法，我们的方法在 3DMatch 数据集上实现了 11% 的更高配准召回率，在 ScanNet 数据集上实现了约 13% 的更低配准误差，降低了约 70% 的必要的成对注册。

Apr, 2023

该研究提出了一种基于 HPMB 数据集的建模评估方法和一种针对稀疏点云帧的高精度三维表面建模的联合学习框架 DSMNet，通过实验表明，DSMNet 在 Multi-View Partial Point Cloud (MVP) 数据库上的表现优于当今最先进的方法，并可以广泛应用于稀疏点云环境中的同时定位和地图构建 (SLAM) 的后处理，从而提高了建模精度。

Apr, 2023

通过近似现有指标与小型卷积神经网络的特征空间中的点积，我们提出了一个通用框架，用于创建具有表达性的跨模态描述符，从而实现了快速可变形全局注册。我们的方法比基于局部图像块的指标快几个数量级，并且可以直接应用于临床环境中，只需用所提出的指标替换相似度测量。实验表明，我们的方法在训练数据之外也具有很好的泛化性，即使在未知的解剖学和模态组合上也有着广泛的适应能力，无需进行专门的重新训练。我们公开了我们的训练代码和数据。

Jul, 2023