通过 ESA Gaia 任务获取到的超过 16 亿颗 G~21 mag 恒星的时间序列数据，揭示出恒星的多种变异类型及其对星等等的影响，为此提出了变异星类、变异星密度及变异幅度等指标，并提供最全面的 CaMD 变异诱导运动特征描述，为了更好地理解天体物理学提供了前所未有数量级的恒星变异信息。

Apr, 2018

使用规范流算法，从有噪音的视差和光度学测量中学习灵活的色 - 星等图，该算法是一种能够学习任意多维概率分布的深度神经网络。应用该算法，我们得到了 6.4 亿个近邻恒星的光度距离后验分布的目录，可应用于改善银河系盘层分离和亚结构检测。

Aug, 2019

研究使用 IllustrisTNG 项目的两个模拟，并比较在低红移时模拟和观测的星系光学颜色。研究发现，超大质量黑洞在低吸积态时是模拟中星系颜色转变的主要驱动因素，并探索了从绿色星系到红序中红序形成的物理过程和红序中星系的质量增长。

Jul, 2017

我们提出了一种新模型，用于计算恒星群落在 100,000 年至 20 亿年之间的光谱演化，可以预测不同金属丰度的光谱演化和星轮廓和星团色彩的对比，预测基于观测到的恒星光谱新的库，该模型使用最新的恒星演化理论和观测上的动态支配。然后，作者将该模型应用于实际研究并发现收集的典型银河系光谱与该模型相符。

Sep, 2003

我们设计和描述了一种模型，可以为灰度图像着色，完全自动且无需人工干预。我们采用卷积神经网络来幻化输入图像，并通过训练数千张图像进行前馈。这种方法取得了开创性的结果。

Dec, 2023

本文提出了一种新的灰度指数来找到灰色像素，并证明其在光照估计中的效 iveness 和 efficiency。该灰度指数是用 Dichromatic Reflection Model 推导出来的，无需学习，适用于有色偏的图像中一或多个光照源的估计。在标准单光照和多光照估计基准测试中，GI 优于最先进的统计方法和许多最近的深度方法。GI 是简单且快速的，用非优化的 Matlab 代码处理 1080p 图像约为 0.4 秒。

Jan, 2019

该篇论文提出了一种通过设计宽带 VIS-NIR 范围内的辅助照明的最佳光谱，来优化 NIR2RGB 翻译的方法，以实现在完全黑暗条件下的图像捕获。

Mar, 2023

利用 2MASS 数据构建一个基于颜色和星等的模型作为先验知识，通过 Extreme Deconvolution 算法从 TGAS 数据计算出 TGAS 星系中每颗恒星更为精确的视差估计和后验概率分布。

Jun, 2017

通过研究多色空间中星系的分布，本文发现相同位置上的星系与红移、亮度和光谱类型有关，而不是与其他因素有关。同时，通过定义光度轴的最佳旋转可以确定光度学和光谱学信息的正交，从而可以进一步提高估算光学红移的准确性。

Aug, 1995

通过 2dF 红移测量调查，针对近 250000 个星系进行测量和分析，所获得的数据集在测量方面准确度高，分析数据严谨，深度值达到 z=0.11。

Jun, 2001