CVHub

姿态估计，计算机视觉的核心任务之一，还原纷繁外表之下的空间信息，洞察千姿百态背后的本征结构。欢迎关注 RTMPose！

本文针对之前 DETR-based 的 3D 检测器中忽略了空间交叉注意力中的深度信息，并在检测物体时产生了严重的模糊问题进行了研究。

阿里巴巴达摩院XR实验室，致力于探索新一代移动计算平台，包括 VR/AR 眼镜以及基于 VR/AR 眼镜的新一代移动互联网应用技术，推动显示、人机交互技术的历史性革命。

UIUC AI医疗实验室致力于AI理论创新以及在医疗保健和制药相关的创新应用，主要研究方向有： 机器学习，深度学习，数据挖掘理论和方法。

本文提出了一种新颖的多模态网络，称为 `LoGoNet`，采用局部到全局的跨模态特征融合，深度融合点云特征和图像特征，为精确检测提供更丰富的信息。

本文致力于解决任意模态的语义分割AMSS问题，并为此提出了在各种天气条件下具有四种模态和部分传感器故障的`DELIVER`多模态数据集。

论文提出了ZoeDepth，第一个结合了相对深度和绝对深度的方法，弥补相对和绝对深度估计性能之间的差距，在保持度量尺度的同时，实现了卓越的泛化性能。

欢迎大家加入IGCL团队，你们的研究将涉及计算机图形学、计算机视觉、人工智能等领域中的最新技术和方法。

本文受到两个图像属性的启发，即跨尺度相似性和各向异性图像特征，从而提出了一种高效的锚定条纹自注意力模块，用于建模图像的长远距离依赖关系。