研究使用成熟的计算机视觉技术对从事件数据中重建的视频进行对象分类和图像重建，从而充分发挥事件相机的优异特性。
Apr, 2019
该论文系统研究了基于深度学习的 33 种视频超分辨率方法，提出了一个分类法并将这些方法分属到六个子类中，并详细描述了所有方法的体系结构和实现细节。通过在一些基准数据集上对代表性 VSR 方法的性能进行总结和比较，讨论了 VSR 领域中需要进一步研究的一些挑战。这项工作预计对 VSR 技术的深度学习方法做出贡献，从而深化我们对该领域的理解，并成为该领域中最早的系统研究之一。
Jul, 2020
该论文综述了近年来神经渲染领域的进展，重点介绍了将经典渲染原则与学习得到的 3D 场景表示相结合的方法，包括静态场景处理和非刚性变形物体建模等。
Nov, 2021
本文提出了 EVREAL 框架，并针对当前事件感知视觉领域中的基于深度学习的视频重建方法进行了统一的评价，旨在为不同的方法提供比较基础和统一的评价标准，提供对这些方法在不同场景下，挑战性场景和下游任务下性能的宝贵见解。
Apr, 2023
尽管盲目的人脸修复（BFR）在图像上有了显著进展，但对于更复杂的面部动作（如移动凝视方向和面部朝向）的真实世界视频人脸修复（VFR）问题尚未解决。本研究引入了名为 FOS 的新的真实世界数据集，其中包含来自主要视频帧的 “全面的、遮挡的和侧面的” 面部，以研究当前方法在视频上的适用性。通过与已有测试数据集的比较，FOS 数据集涵盖了更多种类的退化，并涉及来自更复杂场景的人脸样本，从而更全面地重新审视了当前的人脸修复方法。
Apr, 2024
这篇论文通过分析视频修复技术的最新进展，探讨了计算机视觉和人工智能中的一个关键领域。论文通过人工评估和计算资源比较综合考虑视觉质量和计算效率之间的平衡，并为未来探索这个充满活力和不断发展的领域提供了指导。
Jan, 2024
自动地将真实场景视频转换成逼真并且可交互的游戏环境的新方法 Video2Game，使用神经辐射场模块捕捉场景的几何与视觉外观，使用网格模块加速渲染，以及使用物理模块模拟对象之间的相互作用和物理动力学。
提出了一种基于图像的新方法 FaceVR，该方法可基于自我再现实现 VR 视频会议，通过实时面部动作捕捉算法和单目视频的新数据驱动方法，FaceVR 具备近乎逼真的成像效果和改变面部表情和目光方向的功能。
Oct, 2016
该论文综述了视频预测领域的历史和现代工作，包括广泛应用的数据集和算法，并提出了一个以视频预测算法的随机性为中心的新的分类方法。该分类方法强调了从确定性到生成性预测方法的渐进转变，突显了方法的重大进展和转变。
本文介绍了一种利用自监督学习估算不需要人工标注的静态背景下单个人物的 2D 视频帧生成 3D 人体姿势的方法。作者采用射线投射技术进行人体模板的渲染，使神经网络可以对渲染结果进行优化，从而获得了令人满意的结果。
Oct, 2022