人脸数字3D在各种媒介中非常普遍，被广泛应用于电视、视频游戏、电影、视频会议和营销等领域。此外，它是2D口型生成的关键组件[]。作为社会生物，人类很注重彼此的面部表情[]。这使作者非常擅长辨别与面部相关的细节。特别...

准确地从口腔扫描仪（IOS）的网格数据中提取3D牙点的牙齿分割在许多正畸应用中起着关键作用，包括详细分析牙齿形态学、治疗计划、个性化装置设计等。然而，现有的牙齿点云分割模型 主要依赖于大量的标注数据集进行训练，这涉及...

多任务密集场景理解在计算机视觉领域有着多种实际应用，如自动驾驶、医疗保健和机器人等。此问题的挑战之处在于，需要训练一个模型同时处理多个密集预测任务，如语义分割、单目深度估计、表面法向量估计和物体边界检测等。...

医学影像分割是医学影像的重要组成部分，涉及使用各种影像模式（如计算机断层扫描（CT）、磁共振成像（MRI）、正电子发射计算机断层扫描（PET）、超声[5]和X射线）准确界定解剖结构和病理区域。精确分割对提高诊断准确性、优化治疗计划...

计算机视觉中的目标跟踪长期以来一直是研究领域的核心挑战，因为它在许多实际应用中具有广泛的应用价值。尽管大多数研究努力集中在单摄像头视频流的多目标跟踪上，但由于在多样应用（如安全、监测或体育分析）中部署的多摄像...

医学图像分割（MIS）的目标是2D或3D医学图像中组织和病变的边界和定位。这一过程对于发展自动化疾病识别、分期和治疗，以及开发医学机器人至关重要。近年来，最先进的MIS方法基于深度学习（DL），得益于它从大量数据集中学习复杂模...

你的智能手机和其他智能设备（比如家里的智能恒温器）每天都在产生大量的数据。如果所有这些数据都要发送到遥远的云端服务器去处理，那不仅会很慢，还可能会泄露你的隐私。边缘智能就是解决这个问题的。它允许你的设备在靠近...

在人工智能（AI）的世界里，有一个听起来非常直观但又略带神秘的术语——“端到端”（end to end）。这个术语在AI领域中频繁出现，尤其是在自动驾驶、语音识别和图像识别等领域。那么，到底什么是端到端，它又是怎样改变我们的技术体...

在过去的二十年里，生成和编辑照片的技术发生了迅速的变化。这一变化带来了视觉内容可以轻松创建和编辑的时代，留下了极少的感知痕迹。因此，人们逐渐意识到作者正站在一个真实图像与计算机生成图像难以区分的世界的边缘。...

异常值检测（outlier）是一种数据挖掘过程，用于确定数据集中发现的异常值并确定其出现的详细信息。当前自动异常检测至关重要，因为大量数据无法手动标记异常值。自动异常检测具有广泛的应用，例如信用卡欺诈检测，系统健康监测，...