本研究提出一种结构感知的 Diminished Reality 模型,通过预测室内场景的结构来生成去除特定物体的场景,该方法在改进的 Structured3D 数据集上的测试中具有快速收敛速度和卓越表现。
Jun, 2021
Diminished reality 通过使用 inpainting 技术生成并纠正场景的图像和几何结构,DeepDR 框架在实时帧速率下运行,具有最小的时间伪影,并在复杂背景下重建锐利和一致的边界。
Dec, 2023
本文讨论增强和混合现实中的视觉感知挑战,且探讨了现有评估标准的不足,并提出了新的评估指标以激励和评估这个新兴领域的进步。
Feb, 2022
本篇论文提出了一种数字孪生基于的 3D 地图管理方案,利用模型驱动增强学习算法对摄像头逐帧预测和上传,以解决动态环境中边缘增强现实设备姿态估计不确定性和数据不足的问题。模拟结果表明,该方案可以在动态环境中实现更低的姿态估计不确定性和更高的数据效率。
May, 2023
提出了一种新颖的基于边缘协助的多用户协同增强现实框架,在大型室内环境中实现数据通信以保持虚拟对象的一致性和协同操作的低延迟。
May, 2024
本研究探讨了结合实际图片和虚拟对象的增量学习方法,通过少量用户交互的方式,将虚拟对象添加到实际图片中,从而提高物体实例分割模型的性能。通过在 KITTI 2015 和 Cityscapes 数据集上的实验结果表明,增量学习方法可以显著提高实例分割和物体检测模型的泛化能力。
Aug, 2017
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
本研究旨在解决互联网车联网拍摄实时场景并将其投入虚拟现实的实时数字双生技术中,从而应用于增强现实辅助驾驶;同时,针对数字双生技术招致了对手攻击的问题,提出了一种基于异构行动近端策略优化(HAPPO)算法的解决方法。实验结果表明,HAPPO 在关键指标上优于基准模型。
Mar, 2023
为了增强自动驾驶系统的有效性,本文提出了 ARSim,一个全自动、综合和模块化框架,用于通过将 3D 合成对象与真实多视图图像数据相结合,来提高真实世界场景的多样性和覆盖范围。实验结果表明,在各种自动驾驶感知任务上,使用增强数据集训练的网络性能更优。
Mar, 2024
数字孪生技术在移动增强现实环境中,通过创建精确的物理对象数字副本,对于重塑三维物体追踪和定位场景具有重要潜力。本文基于我们之前的工作《数字孪生追踪数据集》(DTTD),针对移动增强现实环境中的挑战,提出了一种基于转换器的 6 自由度姿态估计器,并引入了使用 iPhone 14 Pro 的创新 RGBD 数据集,通过大量实验和深入分析,证明了我们方法在处理深度数据错误时的有效性,超过现有基线的性能。代码将公开提供。
Sep, 2023