本文共 897 字，大约阅读时间需要 2 分钟。
Matthias Nießner
Stanford 2016在他的研究生阶段，Matthias Nießner专注于实时3D重建技术、视频交互操作以及非线性优化算法等多个前沿领域。以下是他的一些主要研究成果：
随着微软Kinect等深度传感器的普及，实时捕捉和理解3D环境成为研究热点。Matthias开发了一种高效的实时3D重建方法，能够同时实现场景建模和定位。该方法特别适用于大规模静态场景的实时重建，为后续的语义理解奠定了基础。
此外，他还专注于动态场景的实时重建。面对不断变化的人和物体，他提出了一个创新方案，能够在不受限制的交互环境中捕捉动态几何数据。这是首个能够在消费级深度传感器上实现动态重建的方法之一。
视频编辑是一个具有挑战性的任务，尤其是需要实现与原视频时空一致的高质量修改。Matthias研究了如何通过3D几何重建和材料属性的提取来实现高质量的视频编辑。他特别关注人脸重建和动作转移技术，能够将一个人的表情精准地转移到另一个人物上。这种技术已经获得了媒体的广泛关注，包括多家知名平台的报道。
在计算机图形学和视觉领域，非线性优化问题广泛存在。Matthias针对这些问题开发了多个GPU-based求解器，以实现实时性能。他提出了一个专用领域语言，能够简化这些复杂优化问题的实现，同时保持高性能。这一研究成果在多个行业得到了应用，例如Maya和Call of Duty: Ghosts等知名游戏。
子分割表面是一种常用的3D几何表示方法，电影行业已然广泛采用。Matthias开发了一种高效计算方法，使其在商业级别的计算机上实现实时渲染。这种方法将子分割表面的评估速度提高了数个量级，为实时应用，如电子游戏，提供了高质量的解决方案。这项工作已通过Pixar的开源项目并被多家游戏公司采用。
Matthias的研究成果不仅推动了3D重建、视频处理和图形学等领域的技术进步，还为跨领域的应用开发提供了重要工具。他的工作成果得到了学术界和工业界的广泛认可，展现了他在技术创新方面的突出能力。
转载地址：http://zarfk.baihongyu.com/