- NeRO：神经道路表面重建
本研究介绍了一种利用多层感知机（MLPs）框架来通过输入的世界坐标 x 和 y 在高度、颜色和语义信息方面重构道路表面的新方法。我们的方法 NeRO 使用基于 MLPs 的编码技术，显著提高了对复杂细节的性能，并加快了训练速度，减小了神经网 - 基于神经辐射场的视觉渲染方法综述
近年来，神经辐射场（NeRF）在计算机视觉和图形领域取得了显着进展，为解决 3D 场景理解、新视角合成、人体重建、机器人等关键任务提供了强有力的技术支持。本文对过去两年内关于 NeRF 的研究文献进行了深入分析，在详细阐述 NeRF 核心架 - CVPR无监督形状对应学习中高效最优传输和功能映射的集成
计算机视觉和图形领域，使用功能映射和最优传输处理非刚性形状匹配问题，采用切片沃舍尔斯坦距离作为最优传输度量，在无监督形状匹配框架中通过功能映射正则化和源自切片沃舍尔斯坦距离的最优传输损失增强形状特征对齐，同时采用熵正则化最优传输的自适应细化 - 图像雕塑：精确的三维几何控制下的物体编辑
Image Sculpting 是一个结合 3D 几何和图形学工具来编辑 2D 图像的新框架，将 2D 对象转化为 3D 并支持精确、可量化和物理上可行的编辑选项，是将生成模型的创造自由与图形管线的精准性结合的初步尝试。
- ICCVDeFormer: 集成可变形模型的变压器用于从单张图片中进行三维形状抽象
本文提出了一种名为 DeFormer 的新型双通道 Transformer 架构，通过参数化的可变形模型同时估计原语的全局和局部变形，以实现复杂对象形状的抽象化，在使用较少的原语的同时提供更广泛的几何覆盖范围和更精细的细节，并引入了力驱动的 - EgoLocate：使用稀疏身体传感器进行实时运动捕捉、定位和建图
本文介绍了一种基于惯性和图像的同时定位和映射技术，可以实时捕捉人的运动并定位人在场景中的位置，与此同时处理局限于每个领域的挑战，从而在计算机视觉和图形方面取得更好的定位和映射的效果。
- 神经网络重建形状、材质和光照
本文提出了一种强大的物体重建流程，以神经网络和基于物理反演的渲染相结合，可从二维图像中重建物理世界中对象的形状和在空间上变化的表面外观以及其周围的照明，并通过实验证明了该流程在质量和性能方面优于现有的重建方法。
- ECCV最小神经图谱：用最小化的图表和失真参数化复杂表面
本研究提出了一种最小神经图形集合，用于表达任意拓扑的表面，同时保证了重构准确度和模型效率，并在计算机视觉、图形学和机器人等领域有广泛应用。
- CVPRHairCLIP: 通过文本和参考图像设计您的发型
本文提出了一种利用文字或参考图像来对毛发属性进行单独或联合操作的新型毛发编辑交互模式，通过在共享嵌入空间中编码图像和文本条件并利用 Contrastive Language-Image Pre-Training（CLIP）模型的强大图像文本 - MM从单张图像进行三维面部重建综述
本文是一篇从单张图像出发对 3D 人脸重建的近期研究文献的综述。
- KITTI-360：一种用于城市场景 2D 和 3D 理解的新型数据集和基准
该研究旨在开发 KITTI-360 数据集，以促进计算机视觉、图形学和机器人学领域的研究，并为移动感知相关的多项任务提供基准和基线。
- X-Fields: 隐式神经视图、光和时间影像插值
本文提出了一种使用神经网络学习视图、时间或光照坐标与二维图像之间映射关系的方法，可以实现实时的多视图、多时间和多光照插值，其 X-Field 表达式在几分钟内可以训练成功，参数集紧凑，可在视图、时间和光照导航中进行实时操作。
- NiLBS: 神经反向线性混合蒙皮
本文介绍了一种利用神经网络通过传统的皮肤技术反转所经历的变形的方法，通过预计算值来提高计算效率，可以在变形时有效地查询它们，这是计算机视觉和图形学中重要的问题。
- ECCV快速准确的内在对称性检测
本文提出了一种基于内在点对称性检测三角网格中对每个点的对称点的方法，并在功能映射框架下建立形状上的函数对应关系，最终基于精简解决方案寻找最短路径测地线上的点对应关系，该方法在对称点的最短路径测地线上的特性的基础上是不变的，且时间复杂度较低，