E2ETag：一种端到端可训练的生成和检测基准标记的方法
本文提出了一种利用方形平面标记同时解决定位和建图问题的新方法，通过创建相对标记姿态的箭头以及在所有观察帧中最小化平面标记再投影误差的方式进行全局定位优化，实验表明该方法优于运动结构和视觉SLAM技术。
Jun, 2016
本文提出一种利用对比颜色来减少误检测、采用灰度来精确定位的标记检测算法ChromaTag。通过实验发现ChromaTag比现有标记算法更快、准确度相似或更高，对实时应用具有重要意义。
Aug, 2017
该研究提出了MarkerPose，一个基于三个圆形平面目标和立体视觉系统的强韧实时姿态估计系统，其包括用于marker点检测的像素级准确键点定位和分类的SuperPoint网络以及用于亚像素级准确键点检测的轻量级椭圆分割网络。该方法通过立体测量来估计marker的姿态，具有更高的精度和抗噪声性能，适用于需要高精度姿态估计的3D自由手超声系统中。
May, 2021
该研究通过采集安装在四旋翼飞行器上的摄像头捕捉户外图像序列，定量分析了逆境环境条件对标记物探测的影响，并研究了其在精准起降以及城市场景飞行器飞行中提高可靠性的潜力。研究基于温度、光照、风速、湿度、能见度和降水等逆境条件下的半自主起降操作，评估了标记物的探测性能，包括准确性、召回率、连续性、可用性、鲁棒性、弹性和覆盖范围，并将数据集和分析代码作为开源资源发布给公众。
Sep, 2023
我们介绍了P2RBox网络，它利用点注释和掩膜生成器创建掩膜提案，并通过我们的检查器模块和约束器模块进行过滤，从而选择高质量的掩膜，并将其转换为旋转边界框注释以训练一个全监督检测器。这是第一次尝试使用点监督训练定向物体检测器。
Nov, 2023
我们提出了一种新的方法Point2RBox，通过综合合成模式知识和变换自我监督来解决点监督目标检测问题，该方法在DOTA/DIOR/HRSC数据集上取得了令人满意的性能。
Nov, 2023
提出了一种名为E2HQV的新型E2V范例，该范例利用了模型辅助的深度学习框架，从基于事件相机的基本成像原理中精心推导出的理论驱动的E2V模型，以及为了进一步提高视频帧质量而设计的时间偏移嵌入模块。对真实世界事件相机数据集的综合评估验证了我们的方法的有效性，E2HQV在一些评估指标上超过了其他最先进的方法超过40%。
Jan, 2024
使用Event Enhanced Gaussian Splatting（E2GS）方法，结合事件数据和高斯分层方法，以提高图像去模糊和产生高质量的新视角合成，并在综合实验中展示了较快训练和渲染速度（140 FPS）
Jun, 2024