本研究采用系统性研究来分析不同数据集之间多样性和偏差对模型泛化能力的影响，提出了一种同时预测相机视角和人体姿态的模型，取得了显著的跨数据集泛化性能提升。

Apr, 2020

本文提出 DirectionNet 模型，通过预测 5D 相对位姿空间上的离散分布来改进相机位姿回归，实现将相机姿态分解为 3D 方向向量并在球面上估算离散分布。我们从 Matterport3D 和 InteriorNet 构建的具有挑战性的综合和真实姿态估计数据集中评估了我们的模型，结果表明我们的方法比直接回归大大减少了误差。(Translation: This paper proposes DirectionNet model to improve camera pose regression by predicting a discrete distribution over the 5D relative pose space. DirectionNet factorizes relative camera pose to a set of 3D direction vectors and estimates the distribution on the sphere, resulting in a significant error reduction compared to direct regression methods, as evaluated on challenging synthetic and real pose estimation datasets constructed from Matterport3D and InteriorNet.)

Jun, 2021

本文研究了深度学习中对 3D 场景识别任务的影响，发现对于单目深度估计和姿态估计，添加微小的扰动会导致预测出现明显偏差，网络具有一定的漏洞和不足。

Jul, 2022

本文提出了一种通过多视角的训练，使用一致性约束联合监督损失及惩罚项实现替代大量标注的 3D 人体姿态估计方法，并提出了一种联合估计相机姿态及人体姿态的方法，在 3D 人体姿态估计方面取得了良好的表现。

Mar, 2018

本文提出了一种基于深度学习回归体系结构的 3D 人体姿势结构预测方法，该方法借助于过度完备的自动编码器并考虑关节从属关系，优于现有技术，包括结构保留和预测准确性两方面。

May, 2016

提出了一种新颖的单目定位框架，通过联合训练基于深度预测的深度学习和基于贝叶斯滤波的姿态推理，能够显著改进模型可伸缩性和环境变化的容忍度，即使深度预测非常差，也能保持高精度的姿态准确性，并且相对于标准的深度学习具有更高的光照变化下的姿态准确性。

Oct, 2022

提出了一种基于 transformer 网络的深度分解模块、一个迭代的相机位置残差估计模块和一个直接进行坐标卷积编码的坐标引导策略，从而提高了自监督单目深度估计方法在室内环境中的性能。

Jul, 2022

本文提供了一种使用单目图像进行深度估计的方法，提供了一个大规模且多样化的数据集 Diverse Scene Depth 进行训练，学习到了不受仿射变换影响的深度信息，并通过多分支课程训练实现了对复杂场景的高质量深度恢复。

Feb, 2020

本文探讨单图像的深度预测问题。通过直观运动估计技术的启发式方法，可以进行无监督的深度卷积神经网络学习，同时结合了一种新的深度归一化策略，实验结果显示优于现有的监督方法。

Dec, 2017

提出了一种视角不变的模型，用于从单个深度图像中估计 3D 人体姿态，该模型从一个学习的视角不变特征空间中嵌入局部区域来实现，并采用自下而上的误差反馈机制进行姿态估计，多任务的学习方法可以在噪声和遮挡的情况下选择性地预测局部姿态。通过对一个先前发布的深度数据集和一个包含 10 万个注释深度图像的新收集的人体姿态数据集的评估，实验证明该模型在正面视图上实现了竞争性性能，在替代视角上实现了最先进的性能。

Mar, 2016