本研究提出了Jasmine框架，针对单目深度估计中的自监督学习，解决了深度信息模糊和伪影问题。通过混合图像重建任务和Scale-Shift GRU，显著提高了深度估计的清晰度和泛化能力。实验结果表明，Jasmine在KITTI基准测试中表现优异。

该研究提出了AuxDepthNet框架，旨在解决单目3D物体检测中缺乏深度信息的问题，消除对外部深度图的依赖，提升空间推理能力和计算效率，在KITTI数据集上取得了优异表现。

本研究提出了一种新算法，解决了多视角多人姿态估计的挑战，利用深度信息提升性能，实现了具有良好泛化能力的全身姿态估计，旨在促进相关领域的发展。

本研究提出了一种新颖的双路径物体实例重识别变换器架构，结合了RGB和深度信息。研究结果显示，该方法在不同场景下的重识别和定位准确性显著提升。

本研究提出了一种创新的方法解决自我中心视角下手势估计对深度信息依赖的问题。该方法使用伪深度图像和最先进的RGB图像深度估计技术，在动作识别中达到91.73%的准确性，超越现有方法，展示了无需深度传感器的新可能性。

本文介绍了一种新方法，通过给定文本提示和3D网格生成3D模型的纹理。该方法考虑了深度信息，利用评分蒸馏采样过程生成纹理。模型运行和用户研究结果表明该方法生成更令人满意的结果，并且可以产生不同艺术风格的纹理。同时，该方法生成纹理的速度更快。消融研究探讨了不同因素对生成质量的影响。

本文提出了一种新颖的深度感知注意力融合网络，利用深度图增强网络感知三维信息的能力，改善伪装物体检测。实验证明该方法具有显著优势，验证了深度信息的贡献。

本文介绍了一种新方法，通过给定文本提示和3D网格生成3D模型的纹理。该方法考虑了深度信息，利用评分蒸馏采样过程生成纹理。结果表明该模型可以生成更令人满意的结果，并为同一对象产生不同的艺术风格。同时，该方法在生成质量相当的纹理时更快。进行了彻底的消融研究，探讨了不同因素对生成质量的影响。

该研究提出了一种利用深度学习模型处理摄像机视线之外物体获取问题的方法，无需额外硬件需求。通过构建注释的训练数据，可以轻松处理光反射并恢复隐藏场景的深度信息，展示了可行性。

本文介绍了一种新方法，通过给定文本提示和3D网格生成3D模型的纹理。该方法考虑了深度信息，利用评分蒸馏采样过程生成纹理。结果表明该方法可以生成更令人满意的结果，并且可以产生不同艺术风格的纹理。同时，该方法在生成质量相当的纹理时速度更快。进行了彻底的消融研究，研究了不同因素对生成质量的影响。

确保交通安全至关重要，需要检测和防止道路表面缺陷。研究发现，基于图像的方法对天气和光照变化敏感。因此，研究者探索了使用激光扫描仪等附加传感器的方法，以提供深度信息，并探索了超出图像的数据的创新。综述回顾了道路表面缺陷检测研究，并评述了最近提出的非图像方法，讨论了相关挑战和待解决的问题。

本文介绍了一种新方法，通过给定文本提示和3D网格生成3D模型的纹理。该方法考虑了深度信息，利用评分蒸馏采样过程生成纹理。在开源数据集上进行了模型测试和用户研究，结果表明该方法能够生成更令人满意的结果，并且在时间上更快。同时，还进行了消融研究，探讨了不同因素对生成质量的影响。

本文介绍了一种新方法，通过给定文本提示和3D网格来生成3D模型的纹理。该方法考虑了深度信息，并利用评分蒸馏采样过程生成纹理。在开源数据集Objaverse上进行了模型运行和用户研究，结果表明该方法可以生成更令人满意的结果，并且可以产生不同艺术风格的纹理。此外，该方法在生成纹理时速度更快。还进行了消融研究，研究了不同因素对生成质量的影响。