微软开源的统一 3D 生成模型，用结构化 3D 潜变量把文本或图像转成高质量 3D 资产，支持大规模、多用途的 3D 内容创作。
一个面向 NeRF 与高斯泼溅的协作式训练与可视化工作室，把多视角照片转成三维场景，简化了从数据到渲染的完整流程。
Meta 开源的通用前馈式三维重建模型，能从单张或多视角图像直接恢复带真实尺度的三维几何，省去传统 SfM 的繁琐标定与优化流程。
模块化 3D Gaussian Splatting 框架，把训练、渲染、数据集和评估拆成可替换组件，方便做多视角重建与新视角合成的实验对比。
从多视角立体图像给三维重建模型自动生成纹理贴图，解决重建网格缺少真实感表面外观的问题。
从单张图片生成多视角一致图像，用于三维重建的扩散模型，解决单视图生成多视图时视角不一致的问题。
Objectron 是面向 3D 物体检测的数据集，包含约 1.5 万段以物体为中心的短视频和 400 万张标注图像，每帧都带 3D 包围盒和 AR 相机位姿，可用于训练从多视角估计物体位置、朝向和尺寸的模型。
从多视角图像重建高反射物体的神经几何与BRDF，解决反光表面难以准确建模和渲染的问题。
面向自动驾驶场景的高分辨率长视频生成模型，基于扩散模型支持多视角一致输出和自适应控制，可用于合成训练数据。
从多视角立体视觉出发，前馈式快速重建可泛化的高斯泼溅表示，无需逐场景优化即可合成新视角。
用生成模型提升多视角 3D 物体重建精度，从多张图片还原准确的三维形状与位姿，适合做图像到 3D 的研究与落地。
从单张或多视角图片重建三维体素模型的官方实现，基于 ICCV 2019 论文，用上下文感知融合提升重建精度。
基于曼哈顿世界假设的神经隐式三维重建方法，利用场景中互相垂直的平面结构约束，从多视角图像重建室内房间的稠密几何。
用 SfM 引导的单目深度估计做多视角三维重建，把稀疏重建的相机位姿和单目深度先验结合起来，提升复杂场景下的重建精度。
从单张图片生成多视角一致图像，进而重建完整三维场景，解决单视图场景重建中视角覆盖不足的问题。
从多视角图像生成三维网格模型，通过形变网络逐步细化网格顶点，解决单视图重建细节不足的问题。
CVPR 2023 发布的大规模真实世界多视角图像数据集，覆盖 238 类物体，可直接用于训练 NeRF、3D 高斯泼溅和三维重建模型。
从稀疏多视角图像前馈式重建 3D 高斯，用代价体积做几何匹配，无需逐场景优化就能快速合成新视角。
用高斯层级表示做三维重建和新视角合成，能从多视角图像重建可实时渲染的场景，适合需要高质量渲染的 3D 视觉任务。
ICCV 2021 提出的神经渲染方法，能从多视角图像高效重建几何与神经辐射场，用于新视角合成。
基于 GTSAM 的端到端运动恢复结构（SfM）框架，从多视角图像中重建三维场景与相机位姿。
MILo 是 SIGGRAPH Asia 2025 的官方实现，把网格优化嵌进 3D 高斯泼溅流程，从多视角图像重建出细节丰富又轻量的表面网格。
用神经网络学习多视角一致的隐式场景表示，从一组图像中估计相机参数，实现无需传统匹配流程的稀疏重建与相机定位。
基于神经辐射场（NeRF）的果实计数框架，能从多视角图像重建三维场景并自动统计果实数量，用于智慧农业和精准种植。