ContextCaptureに読み込む写真は、多視点から撮影された静止物のデジタル写真画像セットです。

写真の持つさまざまな情報に対応しています。カメラのプロパティ（焦点距離、センサーサイズ、プリンシパルポイント、レンズディストーション）、写真の位置情報（GPS）、写真の回転（INS）、基準点などです。

ContextCaptureは、手動操作にわずらわされることなく、入力データ量によっては数分ないし数時間程度の処理時間で、高解像度の三角形メッシュを出力できます。

入力した写真セットが撮影対象物を適切にカバーしていると、視覚的および地形的に正確な3Dメッシュを出力します。

撮影に適した被写体

ContextCaptureの多才な能力により、さまざまな規模の被写体（センチメートルからキロメートルまで、地上写真から航空写真まで）を継ぎ目なく再構築することができます。でき上がる3Dモデルの精密さは基本的に無限であり、入力する写真の解像度にのみ制約されます。

ContextCaptureは、幾何形状の特徴のあるテクスチャのマットな表面に対して最適なパフォーマンスを発揮します。建物、地形、植生などが挙げられますが、これらに限定されません。

色の変化のない表面（無地の壁、床、天井など）、反射する、光る、透明な、または屈折する物体（ガラス、金属、プラスチック、水、人間の肌など）は、生成される3Dモデルに、穴、凹凸、ノイズが生ずる原因となることがあります。

ContextCaptureは、静止している被写体を想定しています。動くもの（人、乗り物、動物）は、写真への写り込みが多くなければ、生成された3Dモデルの中で処理できます。人や動物を撮る場合、撮影中は静止しているか、または多数の同期カメラでの撮影が必要です。