https://vilab.team/tag/%E6%97%B6%E7%A9%BA%E8%9E%8D%E5%90%88/ 时空融合 Hugo Blox Builder (https://hugoblox.com)en-usSun, 29 Sep 2024 00:00:00 +0000 https://vilab.team/media/icon_hu2896232876136423579.png https://vilab.team/tag/%E6%97%B6%E7%A9%BA%E8%9E%8D%E5%90%88/ https://vilab.team/publication/event-based-head-pose-estimation-benchmark-and-method/ Sun, 29 Sep 2024 00:00:00 +0000 https://vilab.team/publication/event-based-head-pose-estimation-benchmark-and-method/ <p>本文针对传统RGB方法在剧烈运动和极端光照下头部姿态估计困难的问题，引入事件相机的高时间分辨率与高动态范围优势。作者构建了两个大规模事件头部姿态数据集，包含282个序列，覆盖不同分辨率与场景；并提出事件头部姿态估计网络EV-HPE，设计了事件时空融合模块和事件运动感知注意力模块，有效结合事件流时空信息，提升姿态估计精度与鲁棒性。</p> https://vilab.team/publication/spatiotemporal-fusion-in-3d-cnns-a-probabilistic-view/ Wed, 01 Jan 2020 00:00:00 +0000 https://vilab.team/publication/spatiotemporal-fusion-in-3d-cnns-a-probabilistic-view/ <p>本文从概率视角重新审视三维卷积神经网络中的时空融合机制，提出了一种统一的概率建模框架，以刻画空间与时间信息在卷积过程中的交互关系。通过将时空融合视为潜在变量条件下的概率推断问题，该方法能够更有效地捕捉视频数据中的动态依赖，并提升模型在动作识别等视频理解任务上的表现。</p>