利用新的结构相似度度量方法（Structure-measure），提高非二进制前景图的评估准确性，与基于像素误差的现有测量标准相比，该方法同时考虑区域和对象感知的结构相似性，通过在 5 个基准数据集上的 5 种元测量验证优越性。

Aug, 2017

本文提出了一种可微分而高效的算法来逼近加权 F - 测量度量函数，通过引入空间信息，不牺牲准确性的情况下可以使用比现有方法更简单的模型，加快推断速度并减轻前 / 后处理的需要，对于许多任务可以比传统指标的先进状态匹配（或提高）性能，且在加权 F - 测量方面显著提高了性能。

Aug, 2017

本论文提出一种感知型多曝光融合技术，使用改进后的自适应曝光度度量和三维梯度进行对比度增强，具有细节丰富度高，计算成本低等优点，在图像增强领域取得了良好的实验结果。

Oct, 2022

本研究比较了不同误差判定准则的准确度和效率，发现流行的对称极线距离存在偏差，提出了一种新的最有效的 Kanatani 距离准则，并使用随机算法为基于再投影误差的对应生成提供了一种评估方法。

Jun, 2017

本文提出了一种新颖的图像匹配方法，利用预先训练的 VGG 神经网络提取图像特征，在首次较好的几何转换估计后，再以分层的方式重复运用该方法，达到良好的本地化和匹配性能。该算法在 Hpatches 数据集上达到了 0.57 和 0.80 的平均匹配准确性分数，表现优于现有技术。

Jun, 2021

本论文提出了一种新的面部对齐评估指标 AUC, 并且在更实用的面部检测下扩充了 300W 数据库，进行了面部对齐灵敏度分析，得出了新的结论。

Nov, 2015

本文提供了一个包含 100 对图像、16 种算法和 20 种评估指标的多曝光图像融合（MEF）基准，用于实现公平和全面的性能比较以及鉴定有效算法，从而促进该领域的发展。

Jul, 2020

本文介绍了一个用于本地特征与鲁棒估计算法的全面基准测试，旨在通过相机位姿的准确性作为主要指标。我们的管道模块化结构允许易于集成、配置和组合不同的方法和启发式算法。同时我们展示了如何嵌入数十种流行算法进行评估，进而表明经典算法在适当的设置下可能仍能胜过认为的最前沿机器学习研究。此外，我们实验发现一些意想不到的图像匹配解决方案的性质，这有助于改进它们的性能，无论是算法还是机器学习方法。我们提供了一个易于使用和灵活的框架，用于衡量本地特征与鲁棒估计方法，同时与顶级方法进行比较，构建了一个基础性的图像匹配挑战平台。

Mar, 2020

本文提出了一种基于多个不完美的多曝光图像融合贡献者的集合框架（EMEF）以解决当前的 MEF 问题，通过在预训练阶段统一网络模仿不同的 MEF 目标，并在运行时通过优化风格代码来调整模仿者网络，进而在最新的 MEF 基准测试数据集上取得了最好的实验结果。

May, 2023

通过引入高阶统计量，我们设计了两种新的算法来实现统计导向的对抗样本生成，相比于当前主流的方法，在中等难度下能够取得更好的攻击性能。

May, 2021