大多数现有的点云正则估计方法旨在 locally 匹配几何表面，并 从匹配表面计算正则。最近，基于学习的方法采用了预测点点权重的 routine，以解决加权最小二乘法表面匹配问题。尽管取得了显著进展，但这些方法忽视了匹配问题的近似误差，导致 fit 的表面不够准确。在本文中，我们首先深入研究了表面匹配问题的近似误差。然后，为了填补估计和精确表面正则差的缺口，我们提出了两个基本的设计原则：1)应用 $Z$...
我们研究了学生在本科阶段学习线性代数时可能面临的一些困难，并确定了一些常见的错误和困难，例如矩阵分解，特别是凸矩阵分解和奇异值分解。我们还提供了使用SageMath探索这些主题的可能性，这是一个基于Python的自由开放软件代数系统(CAS)，尽管其输出是静态的，但它被识别为可以帮助许多学生计算过程中协助他们，即使它的输出是静态的。然后我们通过询问动态的ChatGPT有关这个话题，无论是要求提供一个...
我们提出了一种 novel differentiable 渲染框架，用于从多视角图像中 joint 几何、材料和照明的估计。与以前的假设简化环境地图或同时放置手电筒的方法不同，在本工作中，我们将静态场景的照明形式定义为一个神经网络入射光场 (NeILF) 和一个出射神经网络辐射场 (NeRF)。该方法的关键见解是入射和出射光场的合并通过基于物理的渲染和表面之间的反射，使可以从图像观察的场景中几何、材料和照明从物理基础上...
在线相机到地面校准是指在实时情况下生成相机与路面之间的非弹性体变换。现有的解决方案采用静态校准，受到环境变化的影响，例如轮胎压力变化、车辆装载体积变化和路面多样性。其他在线解决方案利用道路元素或图像中重叠视图之间的测量一致性，需要在道路上持续检测特定的目标或协助多个相机以促进校准。在我们的工作中，我们提出了一种在线单目相机到地面校准解决方案，在驾驶过程中不使用任何特定的目标...
软件工程社区最近见证了包括GitHub Copilot等AI编程助手的广泛部署。然而，在实践中，开发人员并不总是能高频接受AI编程助手的初始建议。这导致了与这些工具可用性的一些开放问题。为了理解开发人员在使用这些工具时的行为以及他们面临的重要可用性问题，我们向一个庞大的开发人员群体进行了调查，并收到了来自不同开发者的410个响应。通过混合定性和定量分析，我们发现，开发人员最激励使用AI编程助手的原...
我们介绍了一种方法，用于增强从自由移动相机拍摄的图像中产生新视角的方法。这种方法关注在户外场景中，恢复准确的几何支撑和相机姿态是挑战性的，导致使用最先进的稳定视角合成(SVS)方法的结果不如以前的方法。SVS和方法在在户外场景中失败的主要原因是(i)过度依赖多视角立体(MVS)来恢复几何支撑，并且(ii)假设COLMAP计算的相机姿态是最好的估计，尽管已经研究了MVS 3D重建的准确性仅限于场景差异，相机...
最近，神经网络表面表示和渲染方法，例如 NeuS，表明通过体积渲染学习神经网络隐式表面是越来越受欢迎且取得了良好的进展。然而，这些方法仍然面临一些挑战。现有的方法缺乏深度信息的直接表示，这使得物体重建不受几何特征的限制，导致对有纹理和颜色特征的物体的重建较差。这是因为现有方法仅使用表面法线用于表示隐式表面，因此这些方法无法很好地模拟物体详细表面特征。为了解决这个问题，我们提出了一...
当训练具有差分隐私的机器学习方法时，需要设置隐私预算。这个预算代表了任何用户通过将他们的数据贡献到训练集所面临的最大隐私侵犯。我们认为这种方法是有限的，因为不同用户可能有不同的隐私期望。因此，在几乎所有点都设置一个相同的隐私预算可能会对某些用户过于保守，而另一方面，对另一些用户可能不够保护。在本文中，我们通过个人化的隐私预算来捕捉这些偏好。为了证明其实际可行性，我们介绍了一...
机器人水下系统，例如自主水下车辆(AUVs)和远程操作车辆(ROVs)，是收集冰-水界面的生物地球化学数据的理想工具，以促进科学研究。然而，状态估计，即定位，是机器人系统中的一个著名问题，特别是对于水下行驶的系统。在本文中，我们提出了一个紧密耦合的多传感器融合框架，以提高定位准确性，具有抗传感器故障的能力。视觉图像、多轴测距仪(DVL)、惯性测量单元(IMU)和压力传感器被集成到先进的多状态约束 K...