提出了一种基于边缘加权测地距离作为惩罚项的选择性分割模型，该模型应用于医学图像处理，具有较少的参数依赖和用户输入量，与其他模型相比具有更好的稳健性。

Nov, 2018

本文提出了一种基于边界感知的特征传播模块，利用单向有向无环图结构化图像，以及在 PASCAL-Context、CamVid 和 Cityscapes 等数据集上取得了最新的场景分割性能。

Aug, 2019

本文提出了一种深度学习交互分割方法，通过将用户交互与 CNN 结合，使用测地距离变换来提高自动 CNN 分割的精度和鲁棒性，并将用户交互作为硬约束集成到反向传播式 CRF 中，以实现在更高的精度下减少用户干预的目的。实验结果表明，与传统的交互式方法相比，该方法在自动 CNN 分割的基础上实现了大幅提升，并且在少数用户干预和更短的时间内具有可比甚至更高的准确性。

Jul, 2017

本文提出了一种基于 I - 散度 - TV 去噪模型的新型局部统计变分主动轮廓模型，可用于分割被乘性伽马噪声损坏的图像，并通过向所提出模型的水平集演化（LSE）方程添加扩散项来构建反应扩散（RD）方程，进而将所提出模型转化为经典 ROF 模型。

Jan, 2024

我们提出了一种模型无关的后处理方案，通过使用内部像素的标签预测替换原来不可靠的边界像素预测，实现改进分割结果的边界质量，我们通过学习朝向内部像素的方向来建立对应关系，并实验证明我们的方法能够在 Cityscapes、ADE20K 和 GTA5 等数据集上有效地减少边界错误。

Jul, 2020

该论文提出了一种考虑生成模型的几何特性的算法，它可以使得在潜变量表示中使用简单的聚类算法更加有效，同时提出了一种新的用于建模变分自编码器中不确定性的架构。实验表明，此算法能够反映数据的内部结构。

Sep, 2018

本文提出了一种利用深度学习框架将每个像素映射到特征空间的方法来构建人类图像之间的密集对应关系，并提出了新的损失函数来推动特征根据它们在表面上的测地距离分开，实现视觉上相似的部分差异化以及通过统一的特征空间对不同的主题进行对齐，实验结果表明，该特征空间可以对图像之间产生准确的对应关系，并具有明显的推广能力。

Mar, 2021

本文介绍了一个新的三维点云问题：少样本实例分割。提出了一个基于测地线引导的转换器，用于解决 LiDAR 点云中密度不平衡的问题，并在 ScannetV2 和 S3DIS 数据集上测试了其性能。

Jul, 2022

通过生成适用于 CNN 问题的等向黎曼度量方法，我们在脑肿瘤分割中利用测地距离模块保证几何和拓扑性能，并展示其能在机器学习框架下取得最新技术表现。

Jun, 2023

Multicuts 和 higher-order models 在图像分割和计算机视觉中被广泛应用，在考虑 higher-order terms 的计算插值中，我们提出了一种系统的方法，并对各种算法进行了全面和竞争性的评估，此方法允许计算出一组重要的模型的全局最优解，同时不会影响运行时间，同时还研究了可解的松弛问题和后处理技术。

May, 2013