Minglun Gong

FPP-Former：一种基于Transformer的端到端架构，用于大规模楼层平面图的语义和结构重建

VLCounting: 通过语言驱动的示例定位来驯服零样本计数

为3D城市场景构建LOD表示

GCNet: 广义计数网络的自相似学习探索

Li, Y.; Wang, M.; Gong, M.; Lu, Y.; Liu, L. Fer-former：用于面部表情识别的多模态Transformer。IEEE Trans. Multimed. 2024, 27, 2412–2422. [Google Scholar] [CrossRef]

神经包装: 从视觉感知到强化学习

基于2D图像的3D姿态估计和未来运动预测

Action2video: 生成人类3D动作的视频

面向大规模城市场景在线实时探索和离线高质量重建的空中路径规划

SparseFusion: 基于稀疏RGBD图像的动态人体头像建模

TAP-Net: 使用强化学习的运输和包装

具有视频重新解释的细粒度谈话脸生成