- 充分利用热感模态以增强在低光条件下的重建
Neural Radiance Fields (NeRF) accomplishes photo-realistic novel view synthesis by learning the implicit volumetric repr - PostoMETRO：姿态标记增强的网格变压器用于稳健的 3D 人体网格恢复
通过整合鲁棒性 2D 姿态表示，PostoMETRO（Pose token enhanced Mesh TRANSformer）在变压器模型中以令牌方式恢复 3D 坐标，从而提高单张图像人体网格恢复的性能，尤其在遮挡等极端场景下的准确性和清 - OpenOcc：基于占据表示的开放词汇量三维场景重建
我们提出了 OpenOcc，一种将 3D 场景重建和开放词汇理解与神经辐射场结合的新型框架。通过占位表示法对场景的几何结构进行建模，并通过体素渲染将预训练的开放词汇模型蒸馏为 3D 语言场，以实现零 - shot 推理。此外，我们提出了一种 - Sora 以惊人的几何一致性生成视频
通过将生成的视频转化为 3D 模型，以 3D 重建的准确性作为衡量标准，本文提出了一种用于评估生成视频质量的基于真实世界物理规则的新基准方法。
- ICLR相机作为光线：通过光线扩散进行姿态估计
基于光线组合的相机姿势的分布式表示以及基于回归和扩散的方法，在 CO3D 数据集上展现了最新的性能，并在未见过的物体类别和野外捕捉中表现出广泛适应性。
- MVD$^2$: 多视角扩散的高效多视角三维重建
MVD$^2$ 是一种有效的三维重建方法，通过聚合图像特征并将其解码成三维网格，改善了多视角扩散生成图像的三维生成质量，且在不同的多视角扩散方法下具有快速和稳健的性能。
- 一种稳健的抗错误选择方法用于 3D 重建
为了解决选择基线较小的视角引起的三角化不确定性增加的问题，本文提出了一种鲁棒的抗误差视角选择方法，并通过实验比较验证了该方法在三维重建结果的平均重投影误差和绝对轨迹误差上分别达到了 29.40% 和 5.07% 的准确度提升。
- 密集匹配器用于密集追踪
本研究论文扩展了 MFT 提出的将多个光流在对数间隔上结合的概念，证明了 MFT 与不同光流网络的兼容性，并展示了在 MFT 框架内的这些网络的简单而有效的组合，从而在长期跟踪应用中超越了它们的个体性能，并在位置预测准确性上与更复杂的非因果 - 评估 NeRF 在野外条件下的三维植物几何重建
使用不同的神经辐射场（NeRFs）技术，通过评估对不同环境中的植物进行（3D）重建的方法，展示了 NeRF 在详细和真实的植物建模中的潜力，并提出了增强 3D 重建过程速度和效率的实用方法。
- 使用深度学习进行增强的条纹到相位框架
通过使用 SFNet 模型，我们提出了一种基于两个 fringe 图像的相位恢复方法，实现了高精度的 3D 重建，解决了使用有限数量的 fringe 图案的挑战。
- 基于真实荧光透视数据的腰椎三维重建领域适应策略
我们的研究通过解决手术导航中的时间、成本、辐射和工作流整合等关键障碍，提出了一个从少量术中透视 X 光图像生成脊柱三维解剖模型的方法，并通过收集体现真实和虚拟透视 X 光图像的配对数据集，利用迁移学习和风格转移机制提高了深度学习模型在真实术 - 基于双重神经辐射场的室内环境的 3D 重建和新视角合成
该研究论文提出了一种名为 Du-NeRF 的双重神经辐射场方法，可同时实现高质量的几何重建和视角合成，大大改善了室内环境下的新视角合成和三维重建性能，并对不服从多视角颜色一致性的细几何构造尤为有效。
- 不受范围限制的多视角深度估计及关键帧选择
本研究提出了一种名为 RAMDepth 的高效纯 2D 框架，用于多视角深度估计，无需先验知识或度量范围，且能提供关于预测视图质量的丰富见解。
- EndoGaussians：可变形内窥镜组织重建的单视图动态高斯点渲染
本研究介绍了一种新方法 EndoGaussians，利用高斯散射进行动态内窥镜 3D 重建，克服了现有技术的局限性，为医学专业人员提供更可靠高效的 3D 重建用于医学应用。
- IRIS：从低动态范围图像中反渲染室内场景
从多视角、低动态范围（LDR）图像中恢复场景的基于物理的材质属性和空间变化的高动态范围（HDR）照明，实现了高度逼真的重照和物体插入。
- 通过激光雷达进行密集三维重建：对离体猪组织的比较研究
利用定量测试对新鲜离体猪组织进行了全面表征，评估基于激光的飞行时间传感器（lidar）在解剖表面重建方面的质量，表明与基于学习的立体匹配相比，飞行时间传感展示了更高的精度、更低的处理延迟、更高的帧速率和更强的抗传感器距离和光照不好的稳健性。 - ICLR学习隐式表示以重建关节式物体
利用物理约束为我们建立的隐式表示提供了规范项，通过迭代估计隐式和显性表示，我们证明了我们的方法在标准视频数据集上优于现有技术。
- AAAISD-MVS：基于分割驱动的变形多视图立体匹配与球面细化和 EM 优化
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 - 3D 高斯点云渲染调查
3D 高斯喷洒是一种能够实时渲染的、可控且可编辑的 3D 重建和表示方法，通过显式场景表示和可微分的渲染算法，提供了独特的优势，为下一代 3D 重建和表示技术带来了潜在的变革。本文首次系统综述了 3D 高斯喷洒的最新进展和重要贡献，包括其背 - CVPR细胞模拟：人类物体互动重构挑战
建模人与物体之间的交互是近年来的一个新兴研究方向。本文描述了 RHOBIN 挑战赛的设置，并详细讨论了每个任务的优胜方法。观察到在严重遮挡设置下，人物重建任务变得更加成熟，而对象姿态估计和联合重建仍然是具有挑战性的任务。随着对交互建模的兴趣