- 视觉引导语法归纳模型的联合推理中重新定义语言启发
使用一系列神经视觉语法归纳模型，通过同时学习句法和语义来展示语义引导和句法引导对语言习得的影响，并表明联合学习能够提高语法归纳、词类学习和新句子和动词意义的解释。联合学习通过相互约束句法和语义的假设空间，使得语言习得对学习者更容易。同时，研 - 基于不同脑部疾病和模态的 MRI 数据库联合学习的可行性和益处
通过联合训练多模态 MRI 数据库的不同脑病理学和模态集合，能够实现对训练过程中遇到的病理分割和新型病理的分割，并且提供实际的好处，该方法为今后的研究方向提供了有用的指导。
- 机器人姿态预报：预测未来改善现在
近年来，人与机器之间的有效和安全协作在第四工业革命场景中变得极为重要。而实现这种协作范式的一个关键前提就是准确理解机器人在其环境中的三维姿态。因此，在本文中，我们介绍了一种利用深度数据来准确确定机器人关节的三维位置的新型基于视觉的系统。具体 - 单一视觉变换器的图像和视频联合学习
我们提出了一种使用单一模型联合学习图像和视频的方法，该方法采用了批量图像输入和通过深度融合来进行时间聚合的视频帧集合。通过实验结果展示了在两个图像数据集和两个动作识别数据集上的效果。
- 一种统一的音视频学习框架：局部化、分离与识别
该研究提出了一种名为 OneAVM 的联合学习框架，该框架可以用于音频 - 视频源定位、分离和识别任务，其中共享的音频 - 视频编码器和任务特定的解码器是通过三个目标进行训练，包括本地化的音频 - 视觉对应丢失、视觉源分离和选择和用于强化视 - EMNLPMAVEN-ERE: 一个用于事件指代消解、时间、因果和子事件关系抽取的统一大规模数据集
本研究构建了一个统一的大规模人工标注事件关系提取数据集 MAVEN-ERE，并改进了标注方案。该数据集包含 103,193 个事件共指链，1,216,217 个时间关系，57,992 个因果关系和 15,841 个子事件关系，是现有所有事件 - 异构客户端的联邦自监督学习
提出了一种名为 Heterogeneous Self-supervised Federated Learning（Hetero-SSFL）的统一框架，可以在异构客户端上进行协作表示学习，同时解决了系统异质性和标记数据匮乏等问题，并在非凸目标 - 从单目视频中无监督学习深度、相机姿态和光流
DFPNet 是一种联合学习系统，通过单眼图像序列估计单眼景深、光流和自身运动（相机姿态），使用单一的复合损失函数进行训练，并使用超参数调整来使模型的大小小于目前市场上同类模型的 5％以下。在 KITTI 和 Cityscapes 驾驶数据 - ACL学习执行行动或询问澄清问题
本文介绍了一种基于 Minecraft 环境的智能建筑代理程序，能够通过对话实现任意建筑物的建造，通过对 Minecraft Corpus 数据集进行扩展，赋予建筑代理程序提出问题的能力，并提出了两个新的任务，联合学习任务和学习提问任务。实 - ACL多语种模型有效获取注释
本研究通过采用单一模型在多语种数据上进行联合学习的策略，比起传统的在每种语言上单独训练模型和通过高资源语言进行零样本迁移的方法，性能显著提高。同时，主动学习可以进一步提高数据利用率。在 4 种和 5 种语言的分类、序列标注和句法分析任务中， - 利用辅助大任务学习具有不一致标签的多项任务
该研究提出了一种框架，通过联合利用来自具有足够多类别的大型辅助任务和这些任务之间共享的信息，来学习在训练样本有限、标签集仅部分重叠或甚至没有的多任务。其关键思想是利用可用的标签信息，自适应地修剪辅助网络的隐藏层神经元，构建每个任务的相应网络 - 多个未知线性系统的联合学习稳定化
本研究提出一种基于学习的联合稳定化算法，通过对不稳定状态轨迹数据的处理快速学习所有系统的稳定化策略，从而解决了基于联合多系统自适应控制的快速可靠联合稳定化问题。
- EMNLP半监督文本风格转换的传导学习
本研究提出了一种基于检索的上下文感知风格表示的传导学习方法，使用具有检索器框架的注意力编码器 - 解码器，并涉及目标风格中前 K 个相关句子，以减轻非一致性问题。经实验证明，该方法优于几种强基线方法，并且具有广泛且有效的传导学习方法适用于无 - ACLDEGREE: 一种数据高效的基于生成的事件抽取模型
文章提出了一种数据有效性事件提取模型 DEGREE，通过联合学习触发器和参数，利用设计的提示语义指导模型，能够在少量有标注数据的情况下进行低资源端到端的事件提取，并从生成的自然语言摘要中提取最终事件预测结果。
- CVPR3D 形状检索和变形的联合学习
该研究提出了一种基于神经变形、形状检索和嵌入空间的联合学习方法来生产高质量的 3D 模型，该方法不仅能提高变形后的匹配精度，而且还能处理不一致和多样的结构形状。
- ACL层次化多标签分类的双曲线标签嵌入联合学习
本文提出了一种联合学习分类器参数与标签嵌入的方法，用于多标签分类的层次化关系建模，结果表明该方法对具有效性，超过了以往基于共现信息的预训练超几何嵌入方法。
- 使用 Transformer 进行开放领域框架语义解析
基于 transformer-based 模型的多任务学习在框架语义解析中取得优越性能，并且在 PropBank SRL 解析上也表现优于现有最佳系统。
- EMNLP二合一：使用表序列编码器进行实体和关系联合抽取
本文介绍了一种新的表序列编码器，用于联合学习命名实体识别和关系提取这两个重要的基础问题，由于这种编码器由两个不同的编码器组成，可以在学习过程中捕捉到两种不同类型的信息，相较于现有方法，此模型在多个标准数据集上表现出了显著的改进。
- Siamese 网络在 RGB-D 显著性目标检测与更多应用方面的应用
通过 Siamese 架构的 RGB-D 联合学习和密集协同融合 (JL-DCF) 架构，本文提出了两个有效的组件：联合学习和密集的协同融合。综合实验表明，该方案在七个具有挑战性的数据集上将平均 F 值提高了～2.0%，并且在相关的多模态检 - ECCVJSENet: 用于 3D 点云的联合语义分割和边缘检测网络
本研究通过设计一个新的两流全卷积网络，提出了一个联合学习方法来同时处理 3D 语义分割和 3D 语义边缘检测问题，特别是设计了一个联合调优模块来明确地连接区域信息和边缘信息，通过提出的新型损失函数，实现了更好的语义分割结果的同时改善边缘信息