通过使用主动 LED 标记（ALM）的简单而有效的基于事件的姿态估计系统，本文提出了一种能够在实时操作中以小于 0.5 毫秒的延迟和 3 千赫兹的输出速率运行的快速而准确的姿态估计算法，并通过使用 OptiTrack 系统作为测量基准，在静态和动态场景中提供了实验结果以展示该方法在计算速度和绝对准确性方面的性能。
Oct, 2023
本论文提出一种基于算法规划的视角控制方法，通过估算 3D 人体姿势估计的不确定性，结合基于深度学习的回归器和时间平滑性等多个不确定性来源，实现了更为准确的 3D 姿态估计，其性能优于基于人物跟随和围绕的相关研究。
Dec, 2019
本文提出了一种名为【Active Neural Localizer】的全可微神经网络，结合传统基于滤波的定位方法的思想，以及策略模型，通过强化学习的训练，可以有效地在各种模拟环境中进行精确和高效的本地化定位。
Jan, 2018
RobustLoc 是一个用于自动驾驶中的相机重定位系统，它使用神经微分方程进行信息扩散和卷积神经网络从多视角图像中提取特征图，同时配备多层训练的分支位姿解码器。使用 RobustLoc 可以在各种环境下实现相机的鲁棒定位。
Nov, 2022
本文提出了一种基于图像的定位方法，使用本地特征和稀疏的三维模型进行全球规模的离线和在线实时客户端姿态融合，实现低延迟本地化查询，证明了该方法在大规模模型上的有效性。
Jun, 2019
本研究利用深度神经网络进行对物体在已知场景下的姿态估计，其中提出了使用场景无关的神经网络模型 PixLoc，通过特征学习和度量学习方法将相机定位问题转换为多尺度特征直接对齐，该模型以像素数据作为输入并经过端到端训练后能够在大型环境中实现定位，同时通过精确的稀疏特征匹配以更小的代价实现关键点和姿态的联合优化。
Mar, 2021
我们提出了一种多模式相机重新定位框架，使用连续混合模型定义在相机位置流形上的模糊不确定性，解决了复杂环境下相机位置回归的局限性，并在新数据集上进行了全面的评估。
Apr, 2020
本研究提出使用手机的 GPS、罗盘和重力传感器等附加传感器来解决室外场景下相机定位的挑战性问题，通过开发出直接的二维 - 三维匹配网络和采集公开数据集等手段，证明了该方法的有效性。
Apr, 2023
该论文提出了一种姿态选择方法，利用自我识别校准模式实时跟踪相机姿态从而指导用户到达目标姿态，使用不确定性传播避免一些不准确的姿态，并有助于提高相机校准的准确性，其可行性和优越性得到了实验证明。
Jul, 2019
使用序列图像中的局部信息支持全局相机重定位，提出了包括内容增强姿态估计和基于运动的细化两个步骤的新方法，实验结果表明我们的方法在一些具有挑战性的情况下表现优于最先进的方法，例如纹理不足、高度重复的纹理、相似的外观和过度曝光。
Aug, 2019