精细化自我中心手-物体分割： 数据集、模型（model）与应用 灵芝张1, 盛昊周1, 西蒙·斯滕特 $ {}^{2} $, 和健博·石 $ {}^{1} $ 摘要。 自我中心视频提供了高保真度建模人类行为的细粒度信息。手和交互对象是理解观众行为和意图的一个关键方面。我们提供了一个标注数据集，包含11,243个自我中心图像，并具有在各种日常活动中与手和对象互动的逐像素分割标签。我们的数据集是

paper： code： 简介： 长篇自我中心视频的视觉查询定位需要时空搜索和指定对象的定位。之前的工作开发了复杂的多级管道，利用完善的对象检测和跟踪方法来执行 VQL（视觉查询定位）。然而，每个阶段都是独立训练的，管道的复杂性导致推理速度缓慢。我们提出了 VQLoC，这是一种新颖的单阶段 VQL 框架，可进行端到端训练。我们的关键思想是首先建立对查询视频关系的整体理解，然后以单次方式执行时

论文主要贡献 提出一种新的框架：Ego-HOI recognition by Probing, Curation and Adaption (EgoPCA)。构建了全面的预训练集，平衡的测试集，以及一个包含了微调策略的baseline。 在Ego-HOI达到了SOTA，并且建立了有效的机制方法。 Code and data are available here. 已有工作 Ego-HOI

简介： Scan Context（常简称SC）:是2018年韩国kim等发在IROS上的一篇文章，是在shape context的基础上提出的，可以和loam系的一些文章相结合用于回环检测。 标题：Scan Context: Egocentric Spatial Descriptor for Place Recognition within 3D Point Cloud Map 作者：Gise