- CVPR线云有多保密？从三维线条中恢复场景细节
本文提出了一种将已知场景的 Structure-from-Motion point cloud 转换成不易理解的 3D lines 的 'line cloud' 表示法，以保护用户生成内容的隐私，同时探讨了从这种表示法中恢复图像信息的方法， - 视频深度一致性估计
通过利用传统的运动结构恢复来建立视频中像素的几何约束，使用基于学习的先验 —— 一种单图像深度估计的卷积神经网络，我们给出了一种用于重建密集、几何一致深度的算法。测试时，我们对这个网络进行微调，以满足特定输入视频的几何约束，同时保留其在视频 - 基于虚拟染色内窥镜图像生成的胃部三维重建
本研究提出了一种不需要蓝靛胭脂喷洒的胃内整体三维重建方法，通过基于图像风格转换的方法生成虚拟蓝靛胭脂喷洒的图像用于提高结构运动法的表面纹理匹配，结果表明将未喷洒蓝靛胭脂的绿色通道图像转换为喷洒蓝靛胭脂的红色通道图像可以获得最佳的重建效果。
- 利用结构线索增强视觉地点识别
在这篇论文中，我们提出了使用结构线索来增强基于图像的位置识别，这是通过利用结构运动获得的，因此不需要为位置识别使用任何其他传感器，这是通过将基于图像的位置识别通常使用的 2D 卷积神经网络与从结构运动点云导出的体素网格作为输入的 3D CN - MM利用摄影测量网格模型进行空地特征点匹配，实现集成化三维重建
在城市环境中，使用航空和地面图像相结合的方法提高了地表重建的效率。为了解决来自视角和光照条件的巨大差异导致的特征点匹配困难的问题，本文提出了一种新方法，利用摄影测量网格模型进行相机标定和图像匹配，这种方法具有线性时间复杂度，可以解决多个问题 - ECCVGeoDesc: 融合几何约束学习局部描述符
本文提出一种新颖的基于几何约束的局部描述符学习方法 ——GeoDesc，旨在改善学习局部描述符在图片三维重建中的泛化性能不足的问题。结果表明，GeoDesc 在各种大型基准测试中表现出优异的性能，并在具有挑战性的重建任务中显著成功。此外，本 - 使用质量评估网络从视频中学习单张图像深度
本论文提出了一种通过在互联网视频中使用 SfM 自动生成高质量训练数据的方法，并在此基础上构建了一个名为 YouTube3D 的新数据集，利用该数据集我们的实验表明其在训练深度估计网络和推动了野外单视图深度估计的前沿。
- BA-Net：密集型捆绑调整网络
介绍了一种使用深度学习和先验领域知识相结合的网络架构来解决 structure-from-motion (SfM) 问题，通过 Bundle Adjustment (BA) 加入特性度量误差来明确地强制执行多视角几何约束，并且使用新的深度参 - ICCV基于双视角帧的复杂动态场景单目稠密三维重建
本文提出了一种新的单目密集三维重建方法，利用超像素过分割模拟动态场景，并减少结构运动中固有的相对尺度模糊问题。经实验表明，该方法在合成和真实单目序列方面相对优于业界最先进的方法。
- 多体非刚性结构运动
利用子空间聚类的方法，本文首次提出了一个针对多体非刚性 SFM 的有效框架，能够同时将每个 3D 轨迹重建和分段到其各自的低维子空间中，并通过对合成和真实数据序列进行广泛实验验证其功效，明显优于其他替代方法。
- ECCVCNN 图像检索借鉴 BoW：基于 Hard Examples 的无监督微调
本研究提出了一种用于图像检索的卷积神经网络 Fine-tune 方法，利用最先进的检索和运动结构方法，通过 3D 模型自动获取训练集，采用硬正负样本来提升性能。
- ENFT：高效的非连续型特征跟踪用于鲁棒的运动结构恢复
本文提出了一种高效的非连续特征跟踪 (ENFT) 框架，用于匹配不连续轨迹，并提出了一种基于片段的粗到细的 SfM 算法用于处理大规模数据集，并在具有挑战性的视频数据上进行了实验验证。
- 滚动快门相机的几何模型
研究了机器视觉中常见的 rolling shutter 相机模型，发现其会对摄像机的 projective geometry 和 structure-from-motion 造成影响，提出了相应的投影方程并分析不同类型的运动对其造成的影响。