本文介绍了拓展视角中最大数据集 EPIC-KITCHENS 的一种方法，推出了 EPIC-KITCHENS-100，其中使用头戴式相机记录了 45 个环境中长期非剧本活动的 100 小时、2000 万帧、90,000 个动作，在 fine-grained actions、action detection、action recognition、unsupervised domain adaptation、cross-modal retrieval 等领域提供了新的挑战与评估。

Jun, 2020

本文介绍了 EPIC-KITCHENS 数据库，它是一个大规模的第一人称视角视频数据库，其中包含了来自 32 个参与者的 55 小时视频，多样性与大规模性深度融合，视频被密集标记为总共 39.6K 个动作段和 454.3K 个物体边界框，并且注释与真实意图紧密相关，该数据库可用于第一人称视角视频领域的挑战评估和研究。

Apr, 2018

本文介绍了 EPIC-KITCHENS 数据集的构建，该数据集具有大规模、种类多样的人们在厨房的日常行为记录，并且由多名来自不同国籍的参与者拍摄，其中所有视频都进行了密集注释和真实意图的讲述，并使用了多模态建模等基础线和新基础线进行了评估。

Apr, 2020

通过利用时间观察重建室外三维场景是一个具有挑战性的问题，本文介绍了一种利用神经场的新方法 - Gated Fields，它结合了主动门控视频序列和光照，在各种环境光照条件下实现了精确且密集的几何重建。

May, 2024

本文介绍一种基于完全卷积神经网络的快速准确光场深度估计方法，克服了光场图像深度估计中存在的一些限制，如缺乏训练数据以及方法速度与准确性之间的权衡。该方法在 HCI 4D 光场基准测试中排名第一，并在实际光场图像上展示了方法的有效性。

Apr, 2018

本文介绍了一种通过 Epipolar Cross Attention 实现的神经渲染方法，可以学习复杂的高维场景的隐式三维模型，提出了三个新的仿真数据集，以展示该方法优于常规方法的定量和定性表现。

Oct, 2019

本文介绍了一种训练更强大的视频视觉变换器的经验结果，使用了诸如增强、分辨率和初始化等技术，并在 EPIC-KITCHENS-100 数据集上进行了探索，单个 ViViT 模型在验证集上取得了 47.4% 的性能，超过原始文献报告的 3.4%。

Jun, 2021

本文提出了一种名为 ENeRF 的场景表示，用于快速创建交互式自由视点视频，并实现了深度预测和辐射场网络的联合学习，通过针对场景表面附近的点进行采样，从而显著提高了渲染速度。在多个基准测试中进行实验，结果表明我们的方法在表现上具有竞争力，同时比先前的泛化辐射场方法快至少 60 倍。

Dec, 2021

提出一种新的逆向渲染框架，能够从一组 RGB 图像中联合重建场景几何、空间变化的材料和 HDR 照明，并支持物理场景操作，例如射线跟踪阴影投射。

Apr, 2023

本文介绍了 VISOR 数据集，它是一个像素注释的新数据集，也是用于在自我中心视频中分割手和活动对象的基准套件。VISOR 主要应对了从 EPIC-KITCHENS 视频中的新挑战，并引入了一个 AI 动力注释流程，以获得像素级注释的一致性。该数据集总共公开了 272K 带标注的语义掩模，9.9M 插值稠密掩模，67K 手 - 物体关系，并涵盖 36 小时的 179 个未修剪的视频。此外，我们还介绍了三项有关视频对象分割，交互理解和长期推理的挑战。

Sep, 2022