extended reality
PulseAugur coverage of extended reality — every cluster mentioning extended reality across labs, papers, and developer communities, ranked by signal.
8 天有情绪数据
-
新框架从外中心源生成内中心视频
研究人员开发了 Grounded-Exo2Ego，一个用于从外中心视频生成内中心视频的新颖框架，这对于增强现实、虚拟现实和具身人工智能应用至关重要。该框架采用双分支视频扩散模型，结合了几何锚定和语义地面化分支，以提高视频质量，尤其是在视角变化极端的挑战性区域。为解决相机-重建不对齐问题，引入了一种新的相机重新定位算法，并创建了一个合成数据引擎来生成逼真的训练数据。在 EgoExo4D 数据集上的评估表明，Grounded-Exo2Eg…
-
新的TR-GS框架通过t分布高斯泼溅增强稀疏视图CT渲染
研究人员开发了TR-GS，一种用于稀疏视图计算机断层扫描（CT）数据高保真体积渲染的新型框架。该方法利用t分布高斯泼溅基元和射线置信度模型来提高重建精度并减少因投影数据有限而常出现的伪影。TR-GS还结合了置信度引导的3D小波正则化，以增强细节保留和噪声抑制，在合成和真实世界数据集上均显示出优于现有方法的性能。
-
新型检测器可估计AR/VR和机器人应用中的手部关节可见性
研究人员开发了手部可见性检测器（Hand Visibility Detector），这是一种新颖的模型，旨在估计单个手部关节的可见性。该工具对于扩展现实和机器人技术等应用至关重要，因为遮挡的关节会影响手部姿态估计的可靠性。该模型利用预训练的手部姿态估计模型，并通过可见性加权三角测量证明了其在提高3D手部姿态标注准确性方面的实用性。
-
XR 导管跟踪改进心脏介入培训
研究人员开发了一个扩展现实 (XR) 平台，以改进心脏介入过程中的导管跟踪。该系统使用机器视觉算法进行五自由度跟踪，并使用机电编码器进行完整的六自由度运动重建。在一项针对医学生的学习中，基于 XR 的 3D 可视化显著优于传统的 2D 视图，速度提高了五倍以上，所需的导管行程更少，同时还提高了精度并降低了性能差异。
-
新的MARL框架大幅缩短边缘计算中XR流量延迟
研究人员开发了一种新的多智能体强化学习（MARL）框架，用于改善时间敏感型网络（TSN）环境中的流量调度，特别适用于移动边缘计算（MEC）中的扩展现实（XR）等应用。提出的异构智能体近端策略优化（HAPPO）算法将每个TSN队列建模为一个可以与其他队列协调的独立智能体。该方法旨在解决动态流量条件下静态调度方法的局限性。模拟显示，该MARL框架将平均帧等待时间减少了高达26.8%，最坏情况延迟减少了约16.8%。
-
新型多智能体Transformer优化TSN网络中的XR流量调度
研究人员开发了一种新颖的多智能体Transformer（MAT）方法，用于优化时间敏感网络（TSN）和移动边缘计算（MEC）环境中的扩展现实（XR）应用的流量调度。该方法通过代理注意力模拟队列间依赖性，解决了现有强化学习技术的局限性，从而实现异构XR应用之间的隐式协调。仿真结果表明，延迟最多可降低71.42%，失败率最多可降低83.2%，同时在所有队列中保持高可靠性，取得了显著的改进。
-
新的 Vision Transformer 框架增强了稀疏 dToF 深度补全
研究人员开发了一种新的框架，用于从稀疏的直接飞行时间 (dToF) 传感器进行密集度量深度补全。该方法利用一个深度引导的双分支 Vision Transformer 编码器，该编码器分别处理 RGB 图像和稀疏 dToF 测量，并通过掩码联合注意力模块有效引导图像特征的深度令牌。该系统完全在由全面的 dToF 模拟管道生成的合成数据上进行训练，该管道复制了各种传感器类型和退化特性。这种方法在多个数据集和真实世界的 dToF 设备上实现…
-
都柏林大学学院合作开发 AI/XR 城市规划工具
都柏林大学学院 (UCD) 正在合作开发一个项目，旨在开发由 AI 和 XR 驱动的工具。这些工具旨在支持更具参与性和包容性的城市改造，使市民能够更好地理解和塑造他们的社区。
-
扩展现实被提议为人机控制的调解层
一篇新论文提出将扩展现实（XR）作为人机协作中情境化人类控制的关键调解层。作者认为，XR可以增强人类协作者在其特定的物理、社会和时间背景下理解、塑造、授权和中断机器人动作的能力。该论文概述了四项关键的调解功能和六个设计维度，以指导XR系统的开发，从而在动态的共享环境中提高机器人自主性的可操作性和可问责性。
-
Meta 和 Anduril 通过 EagleEye 将 AI 和 XR 集成到国防领域
Meta 和 Anduril 正在合作开发 EagleEye 系统，该系统将扩展现实 (XR) 技术与人工智能相结合。该计划旨在通过利用游戏、AI 和敏捷软件开发方法的进步来改变国防能力。该项目标志着朝着更具适应性和技术先进的国防解决方案迈进。
-
人工智能推动肢体差异包容性3D虚拟形象设计
一篇新论文探讨了使用人工智能创建更具包容性的3D虚拟形象，特别是针对肢体有差异的个体。研究强调，当前的虚拟形象系统往往无法准确地代表多样化的体型，导致动画制作和数据集稀缺方面存在挑战。该论文提出，人工智能可以帮助克服这些限制，并推动为扩展现实应用生成包容性虚拟形象。
-
移远通信 (Quectel)携AI+AR眼镜进军XR市场
移远通信 (Quectel)携其新款Hawk系列AI+AR眼镜进军XR市场，该眼镜采用电致变色波导技术，可自动调节透光率。该公司还推出了Dolphin系列计算单元以支持这些设备。此举标志着这家物联网领导者在扩展现实领域的重大扩张，为各种芯片平台、光学设计和计算需求提供解决方案。
-
Quectel 发布 AI+AR 眼镜和计算单元，推动 XR 应用
物联网模块领导者 Quectel 正式进军 XR 市场，推出了其 AI+AR 眼镜 Hawk 系列以及配套的 Dolphin XR 计算单元。该公司旨在利用其制造能力促进 XR 技术的规模化应用。Hawk 系列提供波导和 BirdBath AR 眼镜，具有多种芯片组选项以及可调节色调和 AI 语音助手等功能，面向消费者和企业应用。Dolphin 计算单元提供强大的设备端或云集成 AI 处理能力，增强了 AR 眼镜和其他终端的功能。
-
新型位串行 CNN 加速器提升 XR 视觉效率
研究人员开发了 BitFair，这是一种专为超低功耗扩展现实 (XR) 应用设计的新型位串行 CNN 加速器。该加速器集成了可学习的早期终止和自适应比特排序，以优化性能和能效。BitFair 在 12nm GlobalFoundries FinFET 工艺上实现，可实现亚毫秒级延迟，并且与现有的 XR 视觉加速器相比，能效显著提高，同时在 N-MNIST 和 IBM DVS128 Gesture 等基准数据集上保持高精度。
-
新方法增强遥感和边缘设备的视觉定位能力
研究人员开发了两种新的视觉定位方法，这是一种利用视觉数据精确定位设备位置的技术。VFM-Loc 是一个无需训练的框架，它将基础模型的判别性视觉线索进行对齐，以匹配无人机视角图像与卫星图像，在具有挑战性的数据集上取得了显著的改进。AsymLoc 提出了一种非对称方法，其中一个大型教师模型离线处理数据库图像，一个轻量级学生模型在线处理查询图像，从而在最小的精度损失下实现高效定位。
-
Utonia：统一的3D点云编码器推动感知与推理
研究人员推出了Utonia，这是一种新颖的自监督点变换器编码器，旨在处理来自不同领域的各种3D点云数据。这种统一的方法旨在创建一个能够理解来自遥感、LiDAR、RGB-D序列甚至纯RGB视频等来源数据的单一模型。通过在这些不同的领域学习一致的表示空间，Utonia展示了改进的感知能力，并推动了具身和多模态推理的进步，造福于机器人和视觉语言模型中的应用。
-
新的IMU-HOI框架增强了人与物体运动捕捉能力
研究人员开发了IMU-HOI，一个旨在更连贯地捕捉人类运动和物体交互的新框架。该系统利用放置在身体和物体上的惯性测量单元（IMU）来推断人与物体的接触，并将此信息与运动学和惯性推理相结合。该框架旨在提高扩展现实和机器人应用中的运动捕捉精度，尤其是在基于视觉的方法因遮挡而遇到困难的场景中。
-
欧盟AI法案、XR和内部模型在合规通讯中被重点关注
RIScreen合规通讯2026年第25周聚焦于几个关键领域，包括扩展现实（XR）、关键网络事件（CCP）韧性、内部AI模型、MaRisk（风险限制措施）、广告同意以及欧盟AI法案。该通讯旨在提供对这些合规和监管主题的详细见解。
-
宁德时代子公司增资；XR市场预计2026年下滑
宁德时代新能源科技股份有限公司（CATL）的子公司宜昌邦普新材料有限公司的注册资本已从约1.6亿元人民币增至7亿元人民币，增长了330%。此次增资旨在加强公司在电子特种材料领域的制造、销售和研发能力。在另一则消息中，Omdia预测2026年全球XR头戴设备出货量将下降12%，预计2027年将随着更轻便的XR眼镜的增长而复苏。
-
SemanticXR 为 XR 实现低功耗、实时语义地图构建
研究人员开发了 SemanticXR，这是一种新颖的设备-云端架构，可用于扩展现实（XR）应用的实时、低功耗语义地图构建。该系统将可识别的对象作为跨设备和云端的通信、执行和内存管理的主要单元。SemanticXR 在保持设备低功耗的同时，显著提高了地图构建的延迟并降低了带宽需求。