本文提出了一个新颖的端到端注意力图神经网络模型，用于实时生成肝脏的三角形形状。该方法通过2D MRI横截面图像捕捉隐藏模式，并与治疗期间的图像相对应。平均误差为3.06+-0.7毫米，Chamfer距离为63.14+-27.28。

本文提出了一个新颖的端到端注意力图神经网络模型，用于实时生成肝脏的三角形形状。该方法通过2D MRI横截面图像捕捉隐藏模式，并与治疗期间的图像相对应。平均误差为3.06+-0.7毫米，Chamfer距离为63.14+-27.28。

本研究提出了一种新的框架，通过利用3D食物模型和场景中的物理参考，从2D图像中估计食物的容量和能量。该方法通过重现具有估计姿态的食物的3D模型图像，来估计输入图像中摄像头和食物物体的姿态。我们还介绍了一个新的数据集，SimpleFood45，其中包含45种食物的2D图像和相应的注释，包括食物的容量、重量和能量。我们的方法在这个数据集上的平均误差为31.10千卡（17.67%），表现优于现有的分量估计方法。

该研究提出了一种计算机视觉流水线，用于自动读取和记录模拟表盘数据。与最先进的方法相比，平均误差提升了52%。