本研究提出一种通过 Hololens 2 控制 Boston Dynamics 的 Spot 机器人的新方法，该方法主要面向残障人士，用户可以通过眼神追踪和头部动作追踪等技术来控制机器人的运动和机械臂的姿势，与传统的操纵杆控制方法相比具有更好的用户体验和时间效率。

Jun, 2023

本研究利用 Microsoft HoloLens 2 作为多传感器平台，包括 RGB 相机和惯性测量单元用于 SLAM，结合 Neural Radiance Field 技术实现基于 RGB 相机图像的 3D 重建，相比于网格采样的 NeRF 算法提高了数倍的性能，是一种移动 3D 地图实时重建方法。

Apr, 2023

本研究提出一种新颖的针对混合现实环境的三维凝视追踪框架，旨在增强团队协作和共同注意力，通过利用计算机视觉和机器学习技术，实现精确的三维凝视估计，无需依赖专用硬件或复杂的数据融合，在组环境中追踪凝视模式，解决常见深度估计误差，保证数据集的空间和身份的一致性，实证结果展示了我们方法在群组环境中的准确性和可靠性，为在动态和非结构化环境中的教育和专业培训应用中的行为和互动分析提供了推动机制。

Jun, 2024

通过调查注意力和认知模型、隐私保护方法和协议，研究人员完成了 3 个主要研究贡献，旨在将 VR 和随身式头戴式设备推向日常生活。

Mar, 2022

该论文介绍了一种方法，通过在计算机上训练 CNN 模型并将优化的权重矩阵传输到 AR 头戴设备，以在 AR 头戴设备上部署 CNN 模型。该方法将图像数据和 CNN 层转换为适合 AR 平台的一维格式，在 HoloLens AR 头戴设备上使用 PyTorch 训练 LeNet-5 CNN 模型并部署，结果表明模型的准确率约为 98%，与在计算机上的表现相似。这种 CNN 和 AR 的结合使得 AR 头戴设备能够实时进行图像处理，实现了人工智能模型与人的交互。

Jun, 2024

基于人工智能和增强现实技术的 AR 可视化系统用于船舶检测和识别，通过 R3Det 算法实现远程感知图像中船舶的检测和识别，并在虚拟场景中生成船舶的 3D 模型，通过语音模块和 UI 交互模块实现部署在 Hololens2 上，实现计算机视觉和增强现实技术的融合。

Nov, 2023

通过合成数据训练的客户端服务器基于增强现实的应用，展示了在边缘设备上对金属和无纹理工业物体进行最先进的姿态估计。定性评估一个 AR 辅助的分类任务，以及对渲染结果和在 HoloLens 2 上记录的真实世界数据的定量评估揭示了其在真实世界中的适用性。

Feb, 2024

该研究综合了 2012 年至 2022 年之间的文献，重点概述了虚拟现实中的眼动追踪技术及其在认证、隐私保护等方面的应用与挑战。针对用户隐私泄露问题，提出了三个研究方向。

May, 2023

我们设计了一个基于 HoloLens 2 的应用程序，通过自主训练和自动评估来实现老年人和受伤人员的肌肉骨骼训练，我们评估了 HoloLens 2 的运动数据是否足以控制和预测肌肉骨骼训练中的身体动作和关节角度，结果显示 HoloLens 2 的运动数据与上半身运动和下肢关节角度的外部跟踪存在高度相关性。

Aug, 2023

介绍第一人称视角感知技术，重点是对于视频分析的实时处理方案的发展历程，方法及挑战。

Sep, 2014