Point Cloud Upsampling via Disentangled Refinement
The Chinese University of Hong Kong（香港中文大学）
由3D扫描产生的点云通常是稀疏的、不均匀的和有噪声的。最近的上采样方法旨在生成密集的点集，同时实现分布均匀性和接近表面，并可能修改小孔，所有这些都在单个网络中。在重新审视任务之后，我们建议根据任务的多目标性质来解开任务，并制定两个级联子网络，一个密集生成器和一个空间细化器。密集生成器推断粗略描述底层曲面的粗糙但密集的输出，而空间细化器通过调整每个点的位置来进一步微调粗糙输出。具体来说，我们在空间细化器中设计了一对局部和全局细化单元来进化粗糙特征图。此外，在空间细化器中，我们回归每个点的偏移向量，以进一步调整精细尺度中的粗输出。在合成数据集和真实扫描数据集上的大量定性和定量结果表明，我们的方法优于最先进的方法。
2021-06-09 cs.CV
Bayesian Learning for Disparity Map Refinement for Semi-Dense Active Stereo Vision
University of Western Australia（西澳大学）；Murdoch University（莫道克大学）；University of South Australia（南澳大学）
立体视觉的最新发展的一个主要焦点是如何在被动立体视觉中获得精确的密集视差图。与被动立体相比，主动视觉系统能够更准确地估计密集视差。然而，亚像素精度的视差估计仍然是一个开放的问题，很少受到关注。在本文中，我们提出了一种新的学习策略，训练神经网络估计高质量的亚像素视差图半密集主动立体视觉。关键的见解是，如果神经网络能够共同学习如何细化差异图，同时在没有足够信息来纠正差异估计的情况下使像素无效，那么它们的准确性可以翻倍。我们的方法基于贝叶斯建模，其中验证和无效的像素由其随机属性定义，允许模型学习如何自行选择哪些像素值得关注。使用主动立体声数据集，如主动-被动SimStereo，我们证明了所提出的方法优于当前最先进的主动立体声模型。我们还证明了所提出的方法相比，毫不逊色于最先进的被动立体模型的米德尔伯里数据集。
2022-09-12 cs.CV
Adaptive Dense Evidence Refinement for Video Relational Reasoning for VRR-QA Challenge
Southeast University（东南大学）；National University of Singapore（国立新加坡大学）；Independent Researcher（独立研究员）；Opus AI Research（Opus AI研究）；University of Science and Technology of China（中国科学技术大学）
提出一种自适应测试时计算系统，通过轻量视图识别不稳定问题并路由到高预算密集证据模块，在VRR-QA测试集上达到90.07%平均准确率。
2026-05-31 cs.CV
Fast-MVSNet: Sparse-to-Dense Multi-View Stereo With Learned Propagation and Gauss-Newton Refinement
ShanghaiTech University（上海科技大学）
几乎所有先前的基于深度学习的多视图立体视觉（MVS）方法都集中于提高重建质量。除了质量之外，效率也是MVS在实际场景中的理想特性。为此，本文提出了一种快速MVSNet，一种新的稀疏到密集的粗到细的框架，快速和准确的深度估计在MVS。具体来说，在我们的Fast-MVSNet中，我们首先构建一个稀疏成本卷，用于学习稀疏和高分辨率的深度图。然后，我们利用小规模的卷积神经网络来编码局部区域内像素的深度依赖性，以使稀疏的高分辨率深度图致密化。最后，提出了一种简单但有效的高斯牛顿层，以进一步优化深度图。一方面，高分辨率的深度图，数据自适应传播方法和高斯牛顿层共同保证了我们的方法的有效性。另一方面，我们的Fast-MVSNet中的所有模块都是轻量级的，从而保证了我们方法的效率。此外，我们的方法也是内存友好的，因为稀疏的深度表示。大量的实验结果表明，我们的方法是5 $\times$和14 $\times$比Point-MVSNet和R-MVSNet，分别快，同时实现具有挑战性的坦克和寺庙数据集以及DTU数据集上的可比甚至更好的结果。代码可在https://github.com/svip-lab/FastMVSNet上获得。
2020-03-29 cs.CV
FounRef: Robust, Structure-Preserving, and Fast Metric Refinement of Frozen Monocular Foundation Priors with Sparse Anchors
University of the Bundeswehr Munich（慕尼黑联邦国防军大学）
FounRef提出一种无需训练的模块化方法，利用稀疏锚点细化冻结单目基础先验，生成稠密度量深度，在域外数据上显著降低误差并大幅提升推理速度。
2026-09-25 cs.CV
R3D3: Dense 3D Reconstruction of Dynamic Scenes from Multiple Cameras
ETH Zürich（苏黎世联邦理工学院）；Microsoft（微软）
针对多相机动态场景稠密3D重建结果不完整不一致的问题，提出R3D3系统，通过几何估计与单目深度优化迭代结合可学习场景先验，在DDAD和NuScenes基准上实现SOTA稠密深度预测。
2023-08-28 cs.CV
Point Cloud Upsampling via Cascaded Refinement Network
Hikvision Research Institute（海康威视研究院）
点云上采样侧重于生成密集、均匀且接近曲面的点集。大多数以前的方法通过仔细设计单级网络来实现这些目标，这使得生成高保真点分布仍然具有挑战性。相反，以粗到细的方式对点云进行上采样是一种不错的解决方案。然而，现有的从粗到精的上采样方法需要额外的训练策略，这在训练期间是复杂且耗时的。在本文中，我们提出了一个简单而有效的级联细化网络，由三个生成阶段，具有相同的网络架构，但实现不同的目标。具体地，前两个上采样阶段逐步生成密集但粗糙的点，而最后一个细化阶段进一步将粗糙点调整到更好的位置。为了减轻多个阶段之间的学习冲突并降低回归新点的难度，我们鼓励每个阶段预测相对于输入形状的点偏移。以这种方式，所提出的级联细化网络可以很容易地优化，而无需额外的学习策略。此外，我们设计了一个基于变换的特征提取模块来学习信息丰富的全局和局部形状上下文。在推理阶段，我们可以根据可用的计算资源动态调整模型的效率和有效性。在合成数据集和实际扫描数据集上的实验表明，该方法优于现有的最先进的方法。
2022-10-08 cs.CV
Sparse Refinement for Efficient High-Resolution Semantic Segmentation
MIT（麻省理工学院）；NVIDIA（英伟达公司）；Tsinghua University（清华大学）；University of Toronto（多伦多大学）；UC Berkeley（加州大学伯克利分校）
本文提出SparseRefine方法，通过熵选择器、稀疏特征提取器和门控集成器，利用稀疏高分辨率细化增强稠密低分辨率预测，可无缝集成至现有模型，在Cityscapes上实现1.5至3.7倍加速且几乎无损精度。
2024-07-26 cs.CV
ECO-TR: Efficient Correspondences Finding Via Coarse-to-Fine Refinement
Xiamen University（厦门大学）；Tencent Technology (Shanghai) Co.,Ltd（腾讯科技（上海）有限公司）；Nankai University（南开大学）
在统一的函数对应模型中对稀疏和密集图像匹配进行建模是近年来的研究热点。然而，现有的努力主要集中在提高匹配精度，而忽略了其效率，这是至关重要的现实世界的应用。在本文中，我们提出了一个高效的结构名为高效的对应Transformer（ECO-TR），通过发现对应在一个粗略到精细的方式，这显着提高了效率的功能对应模型。为了实现这一点，多个Transformer块被逐阶段地连接，以在共享的多尺度特征提取网络上逐渐细化预测坐标。给定一对图像和任意查询坐标，所有的对应关系都是在一个前馈通道内预测的。我们进一步提出了一个自适应的查询聚类策略和一个基于不确定性的离群值检测模块，以配合所提出的框架，更快，更好的预测。各种稀疏和密集匹配任务的实验表明，我们的方法在效率和有效性对现有的国家的最先进的优越性。
2022-09-25 cs.CV
PrecisionCUA: Iterative Visual Refinement for Pixel-Precise Cursor Grounding in Code Editors
Microsoft（微软公司）；Carnegie Mellon University（卡内基梅隆大学）
提出PrecisionCUA方法，通过迭代视觉反馈细化机制实现代码编辑器中像素级光标定位，显著提升点击精度和任务成功率。
2026-05-28 cs.CV
DIBS: Enhancing Dense Video Captioning with Unlabeled Videos via Pseudo Boundary Enrichment and Online Refinement
University of Science and Technology of China（中国科学技术大学）；Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）；Shanghai Jiao Tong University（上海交通大学）
提出 DIBS 预训练框架，利用 LLM 生成伪字幕与边界并在线迭代优化，仅用 Vid2Seq 0.4% 的未标注视频即在多个 DVC 基准上取得更优表现。
2024-04-03 cs.AI cs.CV cs.MM
DOMR: Establishing Cross-View Segmentation via Dense Object Matching
Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院）；Faculty of Science and Technology, University of Macau（澳门大学科学与技术学院）；College of Computer Science and Technology, Zhejiang University of Technology（浙江工业大学计算机科学与技术学院）；School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院）
本文提出DOMR框架，通过密集对象匹配器联合建模对象间位置与语义关系，结合掩码细化头，在Ego-Exo4D上实现跨视角分割SOTA性能。
2025-08-06 cs.CV
DenseFormer: Learning Dense Depth Map from Sparse Depth and Image via Conditional Diffusion Model
the School of Vehicle and Mobility（车辆与移动学院）；Tsinghua University（清华大学）
DenseFormer通过条件扩散模型，结合特征提取和深度细化模块，实现从稀疏深度和图像生成密集深度图，优于传统方法。
2026-02-01 cs.AI cs.CV
G4Seg: Generation for Inexact Segmentation Refinement with Diffusion Models
CMIC, Shanghai Jiao Tong University（上海交通大学计算机医学研究院）；School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院）；Shanghai Innovation Institute（上海创新研究院）；Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
本文提出G4Seg，利用Stable Diffusion的生成先验，通过对比原始图像与掩码条件生成图像的差异实现不精确分割的由粗到细细化，验证了生成式方法解决判别任务的潜力。
2025-06-02 cs.AI cs.CV
Accurate Gigapixel Crowd Counting by Iterative Zooming and Refinement
Aarhus University（奥胡斯大学）
针对千兆像素分辨率超出GPU内存和计算极限的人群计数难题，本文提出GigaZoom方法，通过迭代放大图像密集区域并细化密度图，在千兆像素人群计数任务上取得最优性能，将次优方法准确率提升42%。
2023-05-16 cs.CV
Depth Refinement for Improved Stereo Reconstruction
Technion - Israel Institute of Technology（以色列理工学院）
深度估计是需要对环境进行3D评估的大量应用的基石，例如机器人、增强现实和自动驾驶等。用于深度估计的一个突出技术是立体匹配，其具有若干优点：它被认为比其他深度感测技术更容易获得，可以实时产生密集的深度估计，并且近年来大大受益于深度学习的进步。然而，用于从立体图像进行深度估计的当前技术仍然遭受固有缺陷。为了重建深度，立体匹配算法在应用几何三角测量之前首先估计左图像和右图像之间的视差图。简单的分析表明，深度误差与物体的距离成二次正比。因此，对于远离相机的物体，恒定的视差误差会转化为较大的深度误差。为了减轻这种二次关系，我们提出了一种简单但有效的方法，使用细化网络的深度估计。我们的分析和实证结果表明，建议的学习过程减少了这种二次关系。我们在知名的基准测试和数据集（如Sceneflow和KITTI数据集）上评估了所提出的改进过程，并证明了深度精度度量的显着改进。
2021-12-15 cs.CV
HiPose: Hierarchical Binary Surface Encoding and Correspondence Pruning for RGB-D 6DoF Object Pose Estimation
Zhejiang University（浙江大学）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）；RPTU Kaiserslautern-Landau（凯撒斯劳滕-兰道工业大学）；Technische Universität München（慕尼黑工业大学）；Google（谷歌公司）
HiPose提出一种基于分层二值表面编码和由粗到精3D-3D对应关系剪枝的RGB-D 6DoF姿态估计方法，在多个基准上超越所有免优化方法并达到实时高精度。
2024-04-07 cs.CV
Weakly-Supervised Dense Action Anticipation
National University of Singapore（新加坡国立大学）
密集预期的目的是预测未来的行动及其长期持续时间。现有方法依赖于完全标记的数据，即标有所有未来行动及其持续时间的序列。我们提出了一个（半）弱监督的方法，只使用少量的完全标记的序列和占主导地位的序列，其中只有（一个）即将到来的行动被标记。为此，我们提出了一个框架，生成伪标签为未来的行动和他们的持续时间，并自适应地完善他们通过一个细化模块。仅给定即将到来的动作标签作为输入，这些伪标签指导未来的动作/持续时间预测。我们进一步设计了一个注意力机制来预测上下文感知的持续时间。早餐和50 Salads基准上的实验验证了我们方法的有效性;即使与完全监督的最先进模型相比，我们也具有竞争力。我们将在https://github.com/zhanghaotong1/WSLVideoDenseAnticipation上提供我们的代码。
2021-11-15 cs.CV
Uncertainty-Driven Dense Two-View Structure from Motion
ETH Zürich（苏黎世联邦理工学院）
针对运动恢复结构运动恢复结构（SfM）问题，提出了一种有效实用的解决方案。解决的一个重要问题是如何有意识地使用两个帧之间的每像素光流对应关系进行准确的姿态估计-因为很难（如果不是不可能的话）建立两个图像之间的完美每像素对应关系。利用仔细估计的相机姿态和预测的每像素光流对应，计算场景的密集深度。随后，引入迭代细化过程以进一步提高光流匹配置信度、相机姿态和深度，利用它们在刚性SfM中的固有依赖性。提出的基本思想是受益于光流估计中的每像素不确定性，并通过在线细化为密集SfM系统提供鲁棒性。具体地说，我们介绍了我们的不确定性驱动的密集双视图SfM管道（DTV-SfM），包括一个不确定性感知的密集光流估计方法，提供每像素的对应关系与他们的匹配的置信度得分，一个加权的密集光束平差公式，依赖于光流的不确定性和双向光流一致性，以改善姿态和深度;深度估计网络，其考虑其与所估计的姿态和关于对极约束的光流的一致性。大量的实验表明，所提出的方法实现了显着的深度精度和最先进的相机姿态结果取代SuperPoint和SuperGlue的准确性时，测试的基准数据集，如DeMoN，YFCC 100 M，和ScanNet。代码和更多材料可在http://vis.xyz/pub/dtv-sfm上获得。
2023-02-12 cs.CV cs.RO
The Implicit Values of A Good Hand Shake: Handheld Multi-Frame Neural Depth Refinement
Princeton University（普林斯顿大学）；Adobe（奥多比）
现代智能手机可以以60 Hz的频率连续传输数百万像素的RGB图像，与高质量的3D姿态信息和低分辨率的激光雷达驱动的深度估计同步。在快照拍摄过程中，摄影师双手的自然不稳定性提供了相机姿势的毫米级变化，我们可以在圆形缓冲区中捕获RGB和深度。在这项工作中，我们将探索如何从取景过程中获得的一系列测量结果中，将密集的微基线视差线索与千像素LiDAR深度相结合，以提取高保真深度图。我们采取测试时的优化方法和训练的坐标MLP输出光度和几何一致的深度估计在连续坐标沿着由摄影师的自然手抖动跟踪的路径。除了按下按钮之外，没有额外的硬件，人工手部动作或用户交互，我们提出的方法为点和拍摄“桌面”摄影带来了高分辨率的深度估计-近距离的纹理物体。
2022-03-30 cs.CV
Towards Real-World Prohibited Item Detection: A Large-Scale X-ray Benchmark
State Key Laboratory of Computer Science, ISCAS（中国科学院软件研究所计算机科学国家重点实验室）；University of Chinese Academy of Sciences（中国科学院大学）；Hangzhou Institute for Advanced Study, UCAS（中国科学院大学杭州高等研究院）；JD Finance America Corporation（京东金融美国公司）；Beihang University（北京航空航天大学）
在真实场景中，由于类内差异、类不平衡和遮挡等因素的影响，利用计算机视觉技术进行自动安全检测是一项具有挑战性的任务。由于缺乏大规模的数据集，以往的方法很少解决违禁物品故意隐藏在杂乱物体中的情况，限制了其在现实场景中的应用。针对现实世界中的违禁物品检测，我们收集了一个大规模的数据集，命名为PIDray，它涵盖了现实世界中违禁物品检测的各种情况，特别是故意隐藏的物品。经过大量的努力，我们的数据集包含$47,677$ X射线图像中的$12$类别的违禁物品，具有高质量的注释分割掩模和边界框。据我们所知，这是迄今为止最大的违禁物品检测数据集。同时，我们设计了选择性密集注意网络（SDANet）来构建一个强基线，它由密集注意模块和依赖细化模块组成。密集注意力模块由空间和通道密集注意力组成，用于学习区分性特征以提高性能。依赖细化模块用于利用多尺度特征的依赖性。在收集的PIDray数据集上进行的大量实验表明，所提出的方法对最先进的方法，特别是对故意隐藏的项目进行检测。
2021-08-16 cs.CV
Edge-aware Bidirectional Diffusion for Dense Depth Estimation from Light Fields
Brown University（布朗大学）；KAIST（韩国科学技术院）
我们提出了一种算法，通过一组稀疏的深度边缘和梯度，从光场估计快速和准确的深度图。我们提出的方法是基于真实深度边缘比纹理边缘对局部约束更敏感的想法，因此它们可以通过双向扩散过程可靠地消除歧义。首先，我们使用核线平面图像估计子像素视差在一个稀疏的像素集。为了有效地找到稀疏点，我们提出了一种基于熵的细化方法，从有限的一组定向滤波器组的线估计。接下来，为了估计远离稀疏点的扩散方向，我们通过我们的双向扩散方法优化这些点的约束。这解决了边缘属于哪个表面的模糊性，并可靠地将深度与纹理边缘分开，使我们能够以深度边缘和遮挡感知的方式扩散稀疏集，以获得准确的密集深度图。
2021-07-07 cs.CV
Bilateral Propagation Network for Depth Completion
National University of Defense Technology（国防科技大学）；LightIllusions；Peking University（北京大学）；The Hong Kong University of Science and Technology（香港科技大学）
本文提出双边传播网络BP-Net，通过在最早阶段利用辐射差异和空间距离进行深度传播，避免对稀疏数据直接卷积，在NYUv2和KITTI深度补全基准上取得领先性能。
2024-04-01 cs.CV
SfM-TTR: Using Structure from Motion for Test-Time Refinement of Single-View Depth Networks
University of Zaragoza（萨拉戈萨大学）
提出 SfM-TTR 方法，利用稀疏 SfM 点云作为测试时自监督信号微调网络编码器，显著提升单视图深度网络在自监督和监督设置下的性能。
2023-03-31 cs.CV
Cross-Task Affinity Learning for Multitask Dense Scene Predictions
McGill University（麦吉尔大学）；Mila - Quebec AI Institute（米拉-魁北克人工智能研究所）
本文提出跨任务亲和力学习（CTAL）模块，通过优化任务亲和力矩阵实现参数高效的组卷积，有效捕获局部与长距离跨任务交互，在CNN和Transformer骨干上以更少参数达到最先进的多任务性能。
2024-11-06 cs.CV cs.LG
FoundationSLAM: Unleashing the Power of Depth Foundation Models for End-to-End Dense Visual SLAM
FoundationSLAM通过结合深度基础模型与几何推理，实现端到端的密集视觉SLAM，提升轨迹精度和重建质量，实现实时18 FPS运行。
2026-01-01 cs.CV
TSR-Ego: Temporally Guided Stereo Refinement Framework for Egocentric 3D Human Pose Estimation
The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）
针对自中心3D人体姿态估计难题，提出TSR-Ego框架，结合短期运动证据与投影引导特征采样，通过因果深度可分离时间卷积和多种自注意力机制细化3D关节查询，实验证明其性能领先，尤其在真实世界序列中优势明显。
2026-07-13 cs.CV
Explainable Continuous-Time Mask Refinement with Local Self-Similarity Priors for Medical Image Segmentation
School of Computer Engineering, Kalinga Institute of Industrial Technology, Bhubaneswar, India（计算机工程学院，印度克里希纳加尔工业技术学院，布巴内斯瓦尔，印度）；AmygdalaAI-India Lab, Bhubaneswar, India（AmygdalaAI-印度实验室，布巴内斯瓦尔，印度）
LSS-LTCNet通过局部自相似先验和连续时间动态机制，提升医学图像分割的边界精度与效率，实现高Dice分数和低Hausdorff距离，适用于移动医疗场景。
2026-02-28 cs.CV
Semi-Supervised Segmentation of Radiation-Induced Pulmonary Fibrosis from Lung CT Scans with Multi-Scale Guided Dense Attention
University of Electronic Science and Technology of China（电子科技大学）；University of Maryland School of Medicine（马里兰大学医学院）；Rutgers, the State University of New Jersey（罗格斯大学（新泽西州立大学））
计算机断层扫描（CT）在监测辐射诱导的肺纤维化（PF）中起着重要作用，其中PF病变的准确分割对于诊断和治疗随访是高度期望的。然而，这项任务面临着边界模糊，形状不规则，各种位置和大小的病变，以及难以获得大量的注释体积图像进行训练的挑战。为了克服这些问题，我们提出了一种称为PF-Net的新型卷积神经网络，并将其纳入基于迭代置信度的改进和伪标签加权（I-CRAWL）的半监督学习框架。我们的PF-Net结合了2D和3D卷积来处理具有大层间间距的CT体积，并使用多尺度引导的密集关注来分割复杂的PF病变。对于半监督学习，我们的I-CRAWL采用基于像素级不确定性的置信度感知细化来提高未注释图像的伪标签的准确性，并使用图像级不确定性进行基于置信度的图像加权，以抑制迭代训练过程中的低质量伪标签。对具有辐射诱导PF的恒河猴的CT扫描进行的广泛实验表明：1）PF-Net比现有的2D，3D和2.5D神经网络实现了更高的分割精度，2）I-CRAWL在PF病变分割任务中优于最先进的半监督学习方法。我们的方法有可能提高肺纤维化的诊断和临床评估的放射治疗对肺癌的副作用。
2021-09-29 cs.CV eess.IV
Deep Multi-view Depth Estimation with Predicted Uncertainty
University of Minnesota（明尼苏达大学）
在本文中，我们解决了使用深度神经网络从图像序列估计密集深度的问题。具体来说，我们使用稠密光流网络来计算对应关系，然后对点云进行三角测量以获得初始深度图。然而，由于缺乏共同观测或视差较小，部分点云可能不如其他点云准确。为了进一步提高三角测量的准确性，我们引入了一个深度细化网络（DRN），它可以根据图像的上下文线索优化初始深度图。特别地，DRN包含迭代细化模块（Iterative Refinement Module，缩写为ERF），其通过细化深度特征来提高迭代的深度精度。最后，DRN还预测细化深度的不确定性，这在诸如场景重建的测量选择的应用中是期望的。我们的实验表明，我们的算法在深度精度方面优于最先进的方法，并验证我们预测的不确定性与实际深度误差高度相关。
2021-03-27 cs.CV cs.RO
FreeLoc: Online Floorplan Localization via Diffusion-Aided Pose Refinement
State Key Lab of CAD&CG, Zhejiang University（浙江大学CAD&CG国家重点实验室）
FreeLoc提出在线RGB楼层平面定位框架，将楼层平面作为可直接查询的几何地图，通过在线几何查询和扩散辅助细化实现连续位姿估计，并构建在线似然支持时间融合，无需离线数据库，实现实时推理和最优性能。
2026-10-09 cs.CV cs.RO
DepTR-MOT: Unveiling the Potential of Depth-Informed Trajectory Refinement for Multi-Object Tracking
School of Artificial Intelligence and Robotics, Hunan University（人工智能与机器人学院，湖南大学）
本文提出DepTR-MOT，通过实例级软深度标签监督和稠密深度图蒸馏为DETR检测器引入深度信息，在不增加推理计算成本的情况下提升多目标跟踪对遮挡和近距离交互的鲁棒性，并在QuadTrack和DanceTrack上取得优异HOTA成绩。
2026-10-26 cs.CV cs.RO eess.IV
PROFusion: Robust and Accurate Dense Reconstruction via Camera Pose Regression and Optimization
The University of Hong Kong（香港大学）
PROFusion通过结合学习初始化与优化细化，实现鲁棒且准确的密集重建，适用于不稳定运动场景。
2026-03-03 cs.CV cs.RO
Point2RBox-v3: Self-Bootstrapping from Point Annotations via Integrated Pseudo-Label Refinement and Utilization
Shanghai Jiao Tong University（上海交通大学）；South China University of Technology（华南理工大学）；Nankai University（南开大学）；The Chinese University of Hong Kong（香港中文大学）；Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；East China Normal University（华东师范大学）；Ohio State University（俄亥俄州立大学）
Point2RBox-v3通过集成伪标签细化和利用，实现了点标注的自举学习，有效提升稀疏和密集场景下的检测性能。
2026-02-01 cs.AI cs.CV
GEM-TFL: Bridging Weak and Full Supervision for Forgery Localization through EM-Guided Decomposition and Temporal Refinement
NERCMS, School of Computer Science, Wuhan University（NERCMS，计算机学院，武汉大学）
GEM-TFL通过EM引导分解和时间细化，有效弥合弱监督与全监督之间的差距，提升时间伪造定位的准确性和鲁棒性。
2026-03-05 cs.AI cs.CV
R3Det: Refined Single-Stage Detector with Feature Refinement for Rotating Object
Shanghai Jiao Tong University（上海交通大学）；China Merchants Bank Credit Card Center（招商银行信用卡中心）；Anhui COWAROBOT CO Ltd.（安徽酷哇机器人有限公司）
旋转检测是一个具有挑战性的任务，由于难以定位的多角度目标，并有效地将它们从背景中分离出来。虽然已经取得了相当大的进展，但对于实际环境，仍然存在挑战，旋转对象具有大的纵横比，密集分布和类别极不平衡。在本文中，我们提出了一个端到端的细化单级旋转检测器快速和准确的目标检测，通过使用从粗到细粒度的逐步回归方法。针对现有改进单级检测器存在的特征错位问题，设计了特征改进模块，通过改进得到更准确的特征来提高检测性能。特征细化模块的核心思想是将当前细化后的限界框的位置信息通过逐像素特征插值重新编码为对应的特征点，实现特征重构和对齐。为了获得更精确的旋转估计，提出了一种近似的SkewIoU损失，以解决SkewIoU计算不可导的问题。在DOTA、HRSC 2016、UCAS-AOD和ICDAR 2015场景文本数据集上的实验表明了该方法的有效性。Tensorflow和Pytorch版本代码可在https://github.com/Thinklab-SJTU/R3Det_Tensorflow和https：//github.com/SJTU-Thinklab-Det/r3det-on-mmdetection上获得，R3 Det也集成在我们的开源旋转检测基准中：https://github.com/yangxue0827/RotationDetection。
2020-12-08 cs.CV cs.LG eess.IV
Cascaded Refinement Network for Point Cloud Completion with Self-supervision
National University of Singapore（新加坡国立大学）
点云通常是稀疏和不完整的，这给实际应用带来了困难。现有的形状完成方法往往生成粗糙的形状，没有细粒度的细节。考虑到这一点，我们介绍了一个两个分支网络的形状完成。第一个分支是一个级联的形状完成子网络来合成完整的对象，我们建议使用部分输入与粗输出，以保持密集点重建过程中的对象细节。第二个分支是一个自动编码器，用于重建原始的部分输入。这两个分支共享相同的特征提取器，以学习用于形状完成的准确的全局特征。此外，我们提出了两种策略，使我们的网络训练时，地面真实数据不可用。这是为了减轻现有方法对大量地面实况训练数据的依赖，这些地面实况训练数据在现实世界的应用中通常难以获得。此外，我们提出的策略也能够提高重建质量的完全监督学习。我们验证了我们的方法在自我监督，半监督和完全监督的设置具有优越的性能。在不同数据集上的定量和定性结果表明，我们的方法在点云完成任务上比最先进的方法实现了更真实的输出。
2021-08-26 cs.AI cs.CV
Self-Correcting VLA: Online Action Refinement via Sparse World Imagination
Tongji University（同济大学）；University of Technology Sydney（技术悉尼大学）；University of Electronic Science（电子科学大学）；Advanced Institute of Big Data（大数据高级研究所）
SC-VLA通过稀疏世界想象实现自校正，提升机器人操作任务的效率和成功率。
2026-02-25 cs.AI cs.CV cs.RO
Dense-depth map guided deep Lidar-Visual Odometry with Sparse Point Clouds and Images
College of Physics and Optical Engineering, Shenzhen University（深圳大学物理与光学工程学院）；Research Institute of Tsinghua University in Shenzhen（清华大学深圳研究院）；YunJiZhiHui Engineering Co., Ltd.（云智慧工程有限公司）；Quantum Science Center of the Guangdong-Hong Kong-Macao Greater Bay Area（粤港澳大湾区量子科学中心）；State Key Laboratory of Radio Frequency Heterogeneous Integration, Shenzhen University（深圳大学射频异构集成重点实验室）；Institute of Intelligent Optical Measurement and Detection, Shenzhen University（深圳大学智能光学测量与探测研究所）
本文提出一种融合激光雷达点云与图像的深度里程计框架，通过深度补全生成稠密深度图，结合注意力机制多尺度特征提取和分层位姿优化，在KITTI基准上取得与最先进方法相当或更优的精度与鲁棒性。
2025-07-21 cs.CV cs.LG cs.RO
