- 全局基于参数化的纹理空间优化
基于全局参数化，本文提出了一种优化纹理空间以及生成紧凑纹理映射的方法，该方法在计算上具有鲁棒性和高效性，并实验证明了该方法的有效性以及在存储和渲染效率方面的潜力。
- 生物显微图像压缩的隐式神经图像场
这篇研究论文介绍了一种基于隐式神经表示的自适应压缩工作流，能够高效地压缩生物显微成像的大型图像，并保留下游分析所需的详细信息。
- 通过持续增量训练检测变形攻击
通过模拟每次有新的数据块可用时更新的学习模型，本文研究了在限制数据传输和存储的情况下，不同 Continual Learning 方法的性能，发现 Learning without Forgetting 是其中表现最佳的算法之一，并探究了它 - 区块链在保护计算机视觉系统方面的应用全面分析
本文综述了区块链和计算机视觉相结合的优势和挑战，重点探讨了如何实现基于区块链的安全和去中心化数据存储以及图像和视频的分析应用。
- Kadabra: 为去中心化网络适配 Kademlia
本文提出了 Kadabra，这是一种去中心化的协议，用于加速在 Kademlia 中计算路由表项以进行数据存储和检索操作，实验结果显示 Kadabra 达到了与现有技术相比 15-50% 更低的查找延迟。
- DC-BENCH：数据集压缩基准测试
本研究提供了首个大规模的 Dataset Condensation 标准化基准，通过其生成的数据集全面反映了浓缩方法的通用性和有效性，并报告了许多有见地的发现，为未来的发展开辟了新的可能性。
- 使用自编码器在合成 DNA 上储存图像
本研究介绍了基于卷积自编码器的失真图像压缩方法，将图像编码成四元编码并存储到合成的 DNA 分子中，提高了压缩模型对于 DNA 存储中错误导致失真的鲁棒性。
- ElfStore：面向联邦边缘和雾资源的弹性数据存储服务
本文提出了一种基于边缘和雾计算的数据存储服务 Elfstore，它可以在边缘和雾设备上可靠地存储和管理数据，并使用基于 Bloom 过滤器的联合元数据索引，实现数据的可靠发现和访问。
- 通过增强的中国餐馆过程减少过度聚类
本研究提出一种 “Powered Chinese Restaurant Process” 来防止过度聚类，减少数据的存储成本和沟通成本。