高频跟踪和快速边缘感知优化的研究
本文介绍了一种基于移动设备的增强现实应用程序中的运动跟踪系统，该系统可以在无需标定的情况下进行稳健的平面目标跟踪和相对比例 6DoF 跟踪，该系统已在数亿个设备上部署，并应用于多个主要产品中。
Jul, 2019
实时立体匹配是许多扩展现实（XR）应用的基础算法，本研究介绍了一个包含室内场景的真实视频立体合成数据集，并提出了一种在低功耗设备上实现高准确度实时深度推测的新方法。
Sep, 2023
该研究提出了一种采用 ToF 深度传感器和反射标记的 AR 头戴式设备的新框架，可以实现高精度的 EVD 手术导航。通过深度校正和面部表面重建，可以大幅减少深度误差并实现亚毫米级精度，同时在仿真的 EVD 手术中实现了较高的定位精度。
Jun, 2023
本研究提出一种新颖的自动眼动追踪方案，使用高斯过程回归模型对角膜位置与屏幕位置之间的连续映射进行建模，以消除了对显式标定步骤的需求，并自动对头戴显示器相对于头部的微小移动进行补偿，从而达到了与显式标定步骤几乎相同的准确性。
Dec, 2016
本文研究如何为无线移动用户提供超可靠、节能的虚拟现实（VR）体验，以配合协同多点传输技术和毫米波通信增强无线 VR 体验。此外，本文将无线 VR 体验增强问题制定为一个与序列相关的混合整数问题，并提出了一种基于深度强化学习 (DRL) 的优化算法来解决该问题。与各种基准算法相比，仿真结果表明，该算法比基准算法更节能（达到 4.14%）。
Jun, 2021
本研究提出了一种高性能和可调谐的立体视差估计方法，其关键是通过半稠密重建的快速深度验证步骤，通过迭代逼近场景深度，构建由立体形象生成的多面平坦网格。该方法的简单性和速度以及可调谐的重建质量和运行时性能使其成为高速车辆应用的一个引人注目的解决方案。
Nov, 2015
该研究提出了一种基于移动边缘计算的移动 VR 传递框架，可以在移动 VR 设备上缓存一部分视野范围并运行某些后期处理程序，从而通过优化资源分配来减小所需传输速率的平均值，以满足给定的延迟约束。
Jun, 2018
该研究提出了一种新颖的自校准眼动跟踪方法，基于用户视点的自由移动和视觉固定期间不同视点上对准点分布在物体表面的小区域的假设，使用 3D 场景的时间序列数据检测注视点，通过最小化注视点的离散度来优化校准参数，实现了在虚拟现实环境中平均误差低于 3° 的首个自校准方法。
Nov, 2023
本文提出了一个两阶段流程来解决增强现实头戴设备中遇到的观看体验不佳的问题，其中包括离线室内环境的三维重建和使用增强视角方法的增强渲染。通过实验和评估，我们发现基于几何的增强视角方法具有更好的渲染效果，并使用结构相似性指数（SSIM）和峰值信噪比（PSNR）等指标进行量化验证。
Apr, 2023