An Overview Of 3D Object Detection
Computer Science in Multimedia University of Alberta（阿尔伯塔大学多媒体计算机科学）
点云三维目标检测是近年来三维计算机视觉领域的一个研究热点。然而，由于点云的复杂性，在LiDAR（光检测和测距）中识别3D物体仍然是一个挑战。行人、骑自行车的人或交通锥等对象通常由非常稀疏的点表示，这使得仅使用点云进行检测非常复杂。在这个项目中，我们提出了一个框架，使用RGB和点云数据来执行多类对象识别。我们使用现有的2D检测模型来定位感兴趣区域（ROI）的RGB图像，其次是点云的像素映射策略，最后，解除初始的2D限界框到3D空间。我们使用最近发布的nuScenes数据集-一个包含许多数据格式的大规模数据集-来训练和评估我们提出的架构。
2020-10-29 cs.CV
A comprehensive overview of deep learning techniques for 3D point cloud classification and semantic segmentation
University of Nevada, Reno（内华达大学雷诺分校）
本文综述面向3D点云形状分类与语义分割的深度学习方法，总结点云处理的独特挑战、最新进展及未来研究方向。
2024-05-20 cs.CV
YOLOv11: An Overview of the Key Architectural Enhancements
Huddersfield University（哈德斯菲尔德大学）
本文分析了YOLOv11的关键架构增强，如C3k2、SPPF和C2PSA组件，并综述其在检测、分割、姿态估计及OBB任务上的性能提升与多规模适用性。
2024-10-23 cs.CV
Deep Learning For Computer Vision Tasks: A review
IIIT Bhubaneswar（布巴内斯瓦尔国际信息技术学院）
深度学习由于其具有多个抽象层次的分布式数据表示，最近已经成为机器学习最流行的子领域之一。各种各样的深度学习算法被用来解决传统的人工智能问题。本文概述了应用于计算机视觉领域的一些最广泛使用的深度学习算法。它首先考察了深度学习算法的各种方法，然后描述了它们在存在噪声的图像分类、对象识别、图像提取和语义分割中的应用。本文最后讨论了深度神经网络的构建和训练的未来范围和挑战。
2018-04-11 cs.CV
A Unified Interactive Model Evaluation for Classification, Object Detection, and Instance Segmentation in Computer Vision
Tsinghua University（清华大学）；Cardiff University（卡迪夫大学）；Harvard University（哈佛大学）
本文提出开源工具Uni-Evaluator，将分类、目标检测和实例分割的预测统一为概率分布，并通过矩阵、表格和网格三种可视化支持从全局到样本的模型评估与改进。
2023-08-09 cs.CV cs.HC
A Review of Transformer-Based Models for Computer Vision Tasks: Capturing Global Context and Spatial Relationships
Huddersfield University（哈德斯菲尔德大学）
本文综述了用于计算机视觉的Transformer架构，探讨其如何通过捕获全局上下文与空间关系在图像分类、目标检测和分割等任务中表现卓越，并分析了其优势、局限及未来研究方向。
2024-08-27 cs.CV
Inferring low-dimensional microstructure representations using convolutional neural networks
Boston University（波士顿大学）；Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）
我们将机器学习和计算机视觉的最新进展应用于材料信息学的一个核心问题：微观结构图像的统计表示。我们在预训练的卷积神经网络中使用激活来提供一组合成显微结构图像的高维表征。接下来，我们使用流形学习来获得这种统计特征的低维嵌入。我们表明，低维嵌入提取用于生成图像的参数。根据各种指标，卷积神经网络方法产生的嵌入比仅从两点相关性导出的类似方法要好得多。
2018-11-30 cond-mat.mtrl-sci cs.CV physics.comp-ph
Recent Advances of Continual Learning in Computer Vision: An Overview
Lancaster University（兰卡斯特大学）；Singapore University of Technology and Design（新加坡科技设计大学）
本文综述了计算机视觉中持续学习的最新进展，按正则化、知识蒸馏、记忆、生成回放、参数隔离及其组合等技术分类，并讨论了未来有潜力的研究方向。
2024-07-18 cs.CV
Domain Shift in Computer Vision models for MRI data analysis: An Overview
Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究院（斯科尔科沃科技学院））
机器学习和计算机视觉方法在医学图像分析中表现出良好的性能。然而，只有少数应用程序现在在临床上使用，其中一个原因是从不同的来源或采集域的数据模型的可移植性差。开发新的方法和算法来转移多模态医学成像数据中的训练和适应域对于开发精确的模型及其在临床中的使用至关重要。在目前的工作中，我们概述了用于解决机器学习和计算机视觉中的域转移问题的方法。本文讨论的算法包括高级数据处理、模型结构增强和特征训练以及领域不变潜在空间预测。自编码神经网络及其域不变变分的应用在综述中得到了广泛的讨论。我们观察最新的方法应用于磁共振成像（MRI）数据分析，并总结其性能，以及提出进一步研究的方向。
2020-10-14 cs.CV eess.IV
xAI-CV: An Overview of Explainable Artificial Intelligence in Computer Vision
Faculty of Information Technology, University of Science, Ho Chi Minh City, Vietnam（信息科技学院，科学大学，胡志明市，越南）；Vietnam National University, Ho Chi Minh City, Vietnam（越南国家大学，胡志明市，越南）
本文综述了计算机视觉中四类可解释人工智能方法（显著性图、概念瓶颈模型、基于原型的方法和混合方法），分析其机制、优缺点及评估指标，为后续研究与应用提供指导。
2025-09-23 cs.CV
Transfer Learning Enhanced Common Spatial Pattern Filtering for Brain Computer Interfaces (BCIs): Overview and a New Approach
Huazhong University of Science and Technology（华中科技大学）
脑电信号是脑机接口中应用最广泛的输入信号，常用的空间模式滤波方法是对脑电信号进行空间滤波以提高信噪比。然而，CSP是一个监督滤波器，它需要一些特定于主题的校准数据来设计。这是耗时的，而且不方便用户。缩短甚至完全消除这种校准过程的一种有前途的方法是迁移学习，它利用了来自其他学科或任务的相关数据或知识。本文回顾了三种现有的将迁移学习融入CSP的方法，并提出了一种新的迁移学习增强CSP方法。运动想象分类实验证明了其有效性。特别是，我们提出的方法达到了最佳的性能时，目标域校准样本的数量是小的。
2018-08-08 cs.CV cs.HC cs.LG
Computer vision tasks for intelligent aerospace missions: An overview
East China University of Science and Technology（华东理工大学）
该综述梳理了航天感知的基础内容，聚焦姿态估计、三维重建、识别三类核心任务，对比传统方法与深度学习技术的表现，分析当前局限并展望未来发展方向。
2024-07-09 cs.CV
Deep Metric Learning for Computer Vision: A Brief Overview
University at Buffalo（布法罗大学）
针对交叉熵损失在数据类内方差大、类间方差小时效果不佳的问题，本文综述了深度度量学习领域的最新进展，该方法通过学习嵌入表示、结合采样策略与损失函数生成判别性嵌入空间以衡量样本相似性。
2023-12-01 cs.AI cs.CV cs.IR
Adapting Computer Vision Algorithms for Omnidirectional Video
JOANNEUM RESEARCH（约翰内姆研究所）
全方位（360°）视频已经非常流行，因为它提供了高度沉浸式的观看体验。对于计算机视觉算法，它提出了几个挑战，如通常采用的特殊（等矩形）投影和巨大的图像尺寸。在这项工作中，我们给出了一个高层次的概述，这些挑战和概述策略如何适应计算机视觉算法的全向视频的具体情况。
2019-07-22 cs.CV
Modern Augmented Reality: Applications, Trends, and Future Directions
Snap Inc（Snap公司）；Sun Yat-sen University（中山大学）；Sea AI Lab（Sea人工智能实验室）
增强现实（AR）是计算机视觉和计算机图形交叉领域中相对较老但趋势较强的领域之一，在从游戏和娱乐到教育和医疗保健的多个领域中具有众多应用。虽然它已经存在了近50年，但近年来研究界对它产生了浓厚的兴趣，主要是因为深度学习模型在各种计算机视觉和AR应用中取得了巨大的成功，这使得创造新一代AR技术成为可能。本文试图从应用层面和技术层面对现代增强现实进行综述。我们首先概述了主要的AR应用程序，分为十多个类别。然后，我们概述了最近为AR系统开发的大约100种有前途的基于机器学习的作品，例如用于AR购物（服装，化妆）的深度学习作品，基于AR的图像过滤器（例如Snapchat的镜头），AR动画等等。最后讨论了增强现实领域目前面临的一些挑战，以及未来的发展方向。
2022-02-24 cs.CV
Overview of Class Activation Maps for Visualization Explainability
Queen Mary University of London（伦敦大学玛丽皇后学院）
本文综述CAMs在XCV中的方法演进、评估指标与显著性增强辅助技术，并指出未来研究方向。
2023-09-25 cs.AI cs.CV
Overview of Computer Vision Techniques in Robotized Wire Harness Assembly: Current State and Future Opportunities
Chalmers University of Technology（查尔姆斯理工大学）；Politecnico di Milano（米兰理工大学）；Volvo Car Corporation（沃尔沃汽车公司）；Scania CV AB（斯堪尼亚商用车公司）
本文综述了计算机视觉技术在机器人化线束装配中的应用现状，分析了柔性物体装配的挑战，并指出未来研究方向以推动更实用的自动化装配。
2024-01-12 cs.AI cs.CV cs.RO
A Survey on Recent Advances of Computer Vision Algorithms for Egocentric Video
Indiana University（印第安纳大学）
最近的技术进步使得轻便的头戴式摄像头既实用又实惠，像谷歌眼镜这样的产品首次将以自我为中心（第一人称）的视频引入主流。有趣的是，计算机视觉社区直到最近才开始探索这个以自我为中心的视觉的新领域，其中的研究可以大致分为三个领域：对象识别，活动检测/识别，视频摘要。在本文中，我们试图对已经解决的不同问题进行广泛的概述，并收集和比较评估结果。此外，随着这个新领域的出现，引入了许多新的和通用的基准数据集，我们也对它们进行了总结和比较。
2015-01-12 cs.CV
An Overview of Two Age Synthesis and Estimation Techniques
School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院）
年龄估计是一种用于从数字面部图像预测人类年龄的技术，其分析人的面部图像并基于年度量来估计他/她的年龄。目前，智能年龄估计和年龄合成已成为计算机视觉和人脸验证系统中特别热门的研究课题。年龄合成被定义为在人的面部上美学地呈现具有恢复活力和自然衰老效果的面部图像。年龄估计被定义为自动标记面部图像的年龄组（年龄范围）或人的面部的确切年龄（年龄）。在这个案例研究中，我们概述了现有的模型，流行的技术，系统性能，以及与基于面部图像的年龄合成和估计主题相关的技术挑战。这篇评论的主要目标是通过系统的讨论提供一个容易理解的和有希望的未来方向。
2020-01-26 cs.CV
Perspectives on individual animal identification from biology and computer vision
Swiss Federal Institute of Technology (EPFL)（瑞士联邦理工学院）；Alaska Pacific University（阿拉斯加太平洋大学）
识别个体动物对于许多生物学研究至关重要。针对当前识别方法的一些局限性，新的自动化计算机视觉方法已经出现并具有强大的性能。在这里，我们回顾了计算机视觉识别技术的最新进展，为计算机科学家和生物学家提供了可用工具的概述，并讨论了它们的应用。最后，我们提供建议，开始一个动物识别项目，说明目前的局限性，并提出如何在未来解决这些问题。
2021-02-28 cs.CV q-bio.QM
Deep Learning for Whole Slide Image Analysis: An Overview
University of St Andrews（圣安德鲁斯大学）
全载玻片成像的广泛采用增加了对有效和高效的千兆像素图像分析的需求。深度学习处于计算机视觉的前沿，展示了与以前的视觉理解方法相比的重大改进。然而，整个载玻片图像具有数十亿像素，并且遭受高形态异质性以及不同类型的伪影。总的来说，这些阻碍了深度学习的常规使用。为了使深度学习解决方案的临床转化成为现实，需要解决这些挑战。在本文中，我们回顾了使用整个幻灯片图像训练深度神经网络的跨学科尝试，并强调了这些方法背后的不同思想。
2019-10-18 cs.CV cs.LG eess.IV
Place recognition: An Overview of Vision Perspective
zisu（未知）；xmut（未知）；hdu（未知）；lbxzzq（未知）；xdwangjsj（未知）；ymchen（未知）；jzhang（未知）；com（未知）
地点识别是计算机视觉和机器人领域最基本的课题之一，其任务是准确有效地识别给定查询图像的位置。尽管在这一领域积累了多年的智慧，地点识别仍然是一个悬而未决的问题，由于现实世界中的地点的外观可能会有所不同的各种方式。本文介绍了一个概述的地方识别文献。由于条件不变和视点不变的特征是长期鲁棒的视觉场所识别系统的必要因素，我们从传统的图像描述方法开始，它利用了图像检索领域的技术。近年来，随着目标检测和图像分类等相关领域的快速发展，产生了一种新的技术来改进视觉位置识别系统，即，卷积神经网络（CNN）。因此，我们随后介绍了基于CNN的视觉位置识别系统的最新进展，以自动学习更好的位置图像表示。最后，我们结束了讨论和未来的工作地点识别。
2018-12-30 cs.CV
HoloLens 2 Research Mode as a Tool for Computer Vision Research
Microsoft（微软）
混合现实头戴设备，如微软HoloLens 2，是具有集成计算能力的强大传感设备，这使其成为计算机视觉研究的理想平台。在这份技术报告中，我们介绍了HoloLens 2研究模式，一个API和一组工具，可以访问原始传感器流。我们提供了API的概述，并解释了如何使用它来构建基于处理传感器数据的混合现实应用程序。我们还展示了如何将研究模式传感器数据与HoloLens 2提供的内置眼睛和手部跟踪功能相结合。通过发布研究模式API和一系列开源工具，我们的目标是促进计算机视觉和机器人领域的进一步研究，并鼓励研究界做出贡献。
2020-08-25 cs.CV
4th Workshop on Maritime Computer Vision (MaCVi): Challenge Overview
LOOKOUT；Helmut Schmidt University（海姆·施密特大学）；catskill GmbH（catskill公司）；University of Ljubljana（卢布尔雅那大学）；Virginia Tech（弗吉尼亚理工大学）；Shield AI；Queensland University of Technology（昆士兰理工大学）；Dartmouth College（达特茅斯学院）；LinkedIn；University of Tuebingen（图宾根大学）；Konya Technical University（科尼亚技术大学）；Schneider Electric Taiwan Co., Ltd.（施耐德电气台湾有限公司）；University of Taipei（台北大学）；National Yang Ming Chiao Tung University（阳明交通大学）；University at Albany, SUNY（阿尔巴尼大学，SUNY）；Inventec Corporation（Inventec公司）；HD Korea Shipbuilding & Offshore Engineering Co., Ltd.（韩国海事造船与海洋工程公司）；Seoul National University（首尔国立大学）；Xidian University（西安电子科技大学）；Indian Institute of Technology, Tirupati（印度泰浦蒂理工学院）；Centre for Artificial Intelligence and Robotics (CAIR), Bangalore, India（人工智能与机器人中心（CAIR），印度班加罗尔）；Gwangju Institute of Science and Technology（全州科学技术院）；Fraunhofer IOSB（弗劳恩霍夫 IOSB研究所）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Kansas State University（堪萨斯州立大学）；Colorado School of Mines（科罗拉多矿业学院）；Arquimea Research Center（Arquimea研究中心）；Independent Researcher（独立研究员）
本文概述了第四届海上计算机视觉研讨会（MaCVi）2026版的挑战设置、评估协议、数据集及基准赛道，分析了方法趋势和优秀团队的技术报告。
2026-04-14 cs.AI cs.CV cs.RO
PicArrange -- Visually Sort, Search, and Explore Private Images on a Mac Computer
HTW Berlin, University of Applied Sciences（柏林工程应用技术大学）
本机macOS应用PicArrange集成了最先进的图像排序和相似性搜索，使用户能够更好地了解他们的图像。添加了许多文件和图像管理功能，使其成为解决完整图像管理工作流程的工具。自排序映射算法的修改使得能够在不失去视觉排序的情况下实现列表式图像排列。高效计算和存储视觉功能以及使用许多macOS API，使应用程序易于使用。
2021-11-26 cs.CV cs.LG
Computer Vision and Its Relationship to Cognitive Science: A perspective from Bayes Decision Theory
本文从贝叶斯决策理论视角探讨计算机视觉与认知科学的关系，提出贝叶斯框架与深度神经网络方法的结合可能性。
2026-01-30 cs.CV
Hyperbolic Deep Learning in Computer Vision: A Survey
University of Amsterdam（阿姆斯特丹大学）；TU Dresden（德累斯顿工业大学）；Stanford University（斯坦福大学）
本文综述了计算机视觉中的双曲深度学习，分类梳理监督与无监督方法，概述其嵌入层级结构等优势，并指出开放研究问题。
2023-05-11 cs.CV
An overview of some mathematical techniques and problems linking 3D vision to 3D printing
Sapienza Università di Roma（罗马第一大学）；Alma Mater Studiorum Università di Bologna（博洛尼亚大学）
本文概述了连接3D视觉与3D打印的数学技术，重点介绍基于非线性偏微分方程和优化的从明暗恢复形状及3D打印方法，并给出从图像到最终打印的完整制造流程示例。
2023-09-19 cs.CV cs.NA math.NA
Spectral 3D Computer Vision -- A Review
Griffith University（格里菲斯大学）；CSIRO Agriculture and Food（澳大利亚联邦科学与工业研究组织农业与食品研究所）；The Australian National University（澳大利亚国立大学）
光谱3D计算机视觉检查对象的几何和光谱特性。它通过提供电磁频谱各个区域的窄带信息，提供对物体物理特性的更深入理解。将光谱信息映射到3D模型上揭示了光谱结构空间中的变化或增强了具有诸如反射率、色差和变化的散焦模糊等属性的3D表示。这种新兴的范式推进了传统的计算机视觉，并为3D结构、深度估计、运动分析等领域的研究开辟了新的途径。它已在智能农业、环境监测、建筑检查、地质勘探和数字文化遗产记录等领域得到应用。该调查提供了光谱3D计算机视觉的全面概述，包括方法的统一分类，关键应用领域以及未来的挑战和前景。
2023-02-16 cs.AI cs.CV
Unlocking the Emotional World of Visual Media: An Overview of the Science, Research, and Impact of Understanding Emotion
The Pennsylvania State University（宾夕法尼亚州立大学）；Tsinghua University（清华大学）；University of Haifa（海法大学）
本文从心理学、工程学和艺术角度综述视觉媒体情感分析，探讨其基础、方法、挑战及伦理影响，指出该领域为计算研究的“圣杯”问题，并展望未来方向。
2023-07-25 cs.AI cs.CV
Towards Semi-automatic Detection and Localization of Indoor Accessibility Issues using Mobile Depth Scanning and Computer Vision
University of Washington（华盛顿大学）
为了帮助改善室内空间的安全性和可达性，研究人员和卫生专业人员已经创建了评估工具，使房主和训练有素的专家能够审计和改善房屋。随着计算机视觉、增强现实（AR）和移动传感器的进步，新的方法现在成为可能。我们介绍RASSAR（增强现实中的房间无障碍和安全扫描），这是一种新的概念验证原型，用于使用LiDAR +相机数据，机器学习和AR半自动识别，分类和定位室内无障碍和安全问题。我们目前的RASSAR原型的概述和初步评估在一个单一的家庭。
2022-10-05 cs.CV cs.CY cs.HC
Uncertainty Quantification and Resource-Demanding Computer Vision Applications of Deep Learning
University of Wuppertal（伍珀塔尔大学）
将深度神经网络（DNN）引入自动驾驶、医疗成像和金融等安全关键应用中，需要彻底处理模型的不确定性。训练深度神经网络已经是资源需求，因此它们的不确定性量化也是如此。在这篇概述文章中，我们调查了我们开发的方法，这些方法用于教导DNN在遇到新对象类时不确定。此外，我们还提出了训练方法，以便在不确定性量化的帮助下仅从少数标签中学习。请注意，与普通的网络训练相比，这通常需要大量的计算开销。最后，我们回顾了我们在神经结构搜索方面的工作，这也是一个数量级的资源需求，然后普通的网络训练。
2022-05-30 cs.CV cs.LG
