我们提出了一种在线三维语义分割方法，能够从RGB-D帧流中增量重建三维语义地图，适用于实时场景。通过联合估计几何和语义标签，有效提取信息并推理语义实体，实验结果显示显著优于现有方法。

我们的在线考试监控系统旨在解决COVID-19大流行期间在线考试作弊问题。该系统通过实时场景中高准确性和快速性来检测作弊行为，为监考人员提供有价值的信息，协助其决策。

研究人员利用深度学习技术开发了一种实时检测口罩的方法，适用于静态或动态的单人或多人场景。该模型在白天的单人场景中准确率达99%，在夜晚的多人场景中为74%。

该文介绍了一种解决深度学习模型在不稳定环境下适应性差的新方法，通过避免更新预训练部分，学习新的可学习参数来改善细调过程的效果，实现适应性和稳定性的平衡，适用于实时场景下的持续学习问题。实验结果良好。