本项目展示了一种基于 3D 高斯的场景表示和实际监控视角下的数字人的绑定方法。该方法首先通过原始视频和位置识别技术，提取出场景中的人体信息，将人体信息映射到数字人上，实现了场景中人体的实时绑定

本项目展示了一种大场景 3D 高斯渲染方法，对东北大学校园内多个场景进行 3D 高斯重建

广域环境下的各类危险源在目标特点、时空范畴和关联模式方面存在较大的差异性，很难直接利用深度学习模型实现基于视嗅多模态信息的有效融合，进而影响危险源判别的准确性和可靠性。本课题针对这一难题，提出广域环境视嗅多模态融合危险源判别方法

本项目围绕联合基金“可变环境下三维主动视觉精准感知”目标，对结构光成像模型可微性、结构光与目标环境联合优化、复杂任务驱动下机器人感知与行为交互机制等关键科学问题展开深入研究

现有方法多集中于对固定结构光的研究与应用，已无法适应小批量、个性化等柔性生产模式产生的复杂工业环境变化的影响。为此，本项目融合主动视觉、双目立体、机器学习等领域，探索结构光模型适应环境变化的机制，力争实现机器人高精度、高鲁棒、快速的三维视觉感知

本课题主要研究基于主动视觉的三维感知与多模态信息融合技术、基于神经隐式表征的数字人三维建模和驱动技术、基于几何光照一致性的虚实融合技术、基于虚拟感官数据表示和特征融合的多感官模态自适应融合技术

本课题面向立体防控任务识别新技术的需求，针对基于图像和视频等视觉信息的风险识别新技术在实际应用中存在适应性、鲁棒性及精确性较差的问题开展了大量实验研究工作，重点研究和突破多模态智能视觉感知、基于视觉多任务学习的跨场景再识别技术、基于模板匹配的物品计算机辅助检测等关键技术

三维静态感知是观演空间混合现实呈现研究领域重要的技术手段之一，但由于观演空间具有尺度大、环境复杂、光线干扰严重等特点使得传统三维扫描与建模方法难以适应。因此，本课题首先研究一种基于编码光的三维全景感知方法，具体包括研究目标反射率测量、非均匀变频编码等算法