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。

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。

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。

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。

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。

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。

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。