- 相关分数：规划中的地标式启发式
通过定义一种新的 “相关性评分” 来帮助识别出在大多数但并非所有计划中出现的事实或行动，我们研究了对地标概念的扩展。我们描述了一种计算此相关性评分并将其用作计划搜索中的启发式的方法。通过使用基准计划问题实验比较我们方法与现有的基于地标启发式 - WWW通过地标和聚类对图进行层次化位置嵌入用于链接预测
使用代表性节点（地标）的位置信息，通过选择高度中心性节点作为地标，提供节点位置的参考点。该方法被应用于实际网络中，结合地标选择和图聚类，实现在不同层级上利用节点的位置信息，取得了关于链接预测的最新成果。
- 基于分割的三维人脸模型非刚性配准
这篇论文提出了一种基于分区的表面注册方法，用于 3D 可变模型（3DMM）。该方法利用关键点将模板模型进行分区，然后对每个部分进行缩放，最后平滑边界。实验结果表明，该方法在解决模板模型与目标模型之间巨大差异时表现较好，且对局部极小值具有鲁棒 - 预训练扩散模型的无监督关键点
利用文本到图像扩散模型的新知识，我们的核心思想是找到使生成模型始终关注图像中的紧凑区域（即关键点）的文本嵌入。通过优化文本嵌入，使去噪网络内的交叉注意力图定位为具有小标准差的高斯分布，我们在多个数据集上验证了性能，包括 CelebA、CUB - 基于特征的动态加权因子图几何定位
基于特征的地理定位依赖于将从航空影像中提取的特征与车辆传感器检测到的特征进行关联。本文中，我们提出了一种基于动态加权因子图模型的车辆轨迹估计方法，通过使用 LiDAR 传感器执行的检测中的信息量化来调整权重。同时，在模型中包含了基于 GNS - 利用 CNN 和测地线拟合树模型以跟踪血管并应用于超声定位显微镜数据
通过使用卷积神经网络对感兴趣的点进行定位和分类，并将血管表示为一些最小距离树状图的边，基于地形测量方法检测血管及其几何特征，我们的研究聚焦于在血管网络中检测重要的地标，并利用位置和方向的空间，准确地将 2D 血管表示为树状结构。我们构建了适 - 泛化规划中的新颖性和提升型有用动作
介绍了基于规划程序的行动新颖性排名概念以及新颖性优化的 GP 算法，采用基于最佳优先搜索 BFS（v） 和其渐进变体 PGP（v）的方法，引入来自行动方案的提高可行性行动，并提出了新的评估函数和结构化程序限制，以扩展搜索范围。经实验证明，新 - 从语音中学习地标运动以获取说话人不可知的 3D 语音生成
本篇研究提出了一种新方法，通过音频输入生成 3D 说话人头部动画，并利用面部的传动部位上的控制点来描述语音相关的运动，并利用两个不同的模型来实现；该方法具有身份不相关性，可实现任何用户的高质量面部动画。利用陆标在 3D 说话人头部动画生成中 - 利用路径标志将广义规划扩展为启发式搜索
本文提出了一种用于广义规划的地标计数启发式算法，可以考虑规划实例中未显式表示的子目标信息，进一步提升启发式搜索的效率和实现。
- ECCV稠密特征点的 3D 面部重建
该研究论文提出了一种通过使用合成数据达到高密度标记点的方法来进行面部重建的方法，并成功将其用于嘴巴和眼睛等部位进行表情捕捉，从而取得了在单目 3D 面部重建方面的最新成果。
- 基于路标引导的分层强化学习子目标生成
本文介绍了 HIerarchical reinforcement learning Guided by Landmarks (HIGL) 框架，该框架通过引导探索性的 Landmarks 来训练具有减少动作空间的高层级策略，实现高效探索。实 - ACL从地图生成地标导航指南的图文问题
本文提出了一种基于神经模型和 OpenStreetMap 数据的人工导航模型，能够生成包含物理地标的自然语言导航指令，评估表明该模型的导航指令具备与人类指令类似的特征，可成功指引行人在 Street View 进行导航。
- 无监督地发现物体地标作为结构表示
本文提出一种基于自动编码器的方法，无需监督信号，从而学习图像模型中的对象结构，发现了与手动注释地标更为相关的语义有意义的地标，这些地标是识别视觉属性的补充特征，并且自然地创建了一个无监督、可感知的界面，用于操纵对象形状和解码具有可控结构的图 - 基于视觉注意力模型的服装检索
利用卷积神经网络进行图像检索是一个具有挑战性的问题，该研究提出了一个自学习的视觉注意模型以及一个 End-to-End 网络结构，通过嵌入 Impdrop 模块进一步优化，取得了优异的检索性能。
- 人脸联合对齐及三维面部重建在人脸识别中的应用
提出了一种新的联合人脸对齐和三维人脸重建方法，该方法可以自动生成姿态和表情归一化的三维人脸，并能恢复可见和不可见的二维人脸关键点，从而可以改善跨姿态和表情的人脸识别准确性。实验结果表明，该方法在人脸对齐和三维人脸重建方面均达到了最先进的精度 - ICCV分解空间嵌入实现物体标志无监督学习
本文提出了一种使用深度神经网络在无监督条件下发现和学习物体类别中的标志的新方法，从而表征它们的结构。我们还展示了这种学习出的标志建立了不同对象实例之间的有意义的对应关系，并可以与高精度回归手动注释的标志。
- ECCV基于地标引导的语义部件分割的 CNN 级联
本文提出一种卷积神经网络级联架构，利用关键点嵌套的姿态特定信息进行语义部件分割，经测试该网络在面部数据集上具有较高性能。
- LAMA Planner: 以标志物为导向的成本感知规划算法
LAMA 是一个基于启发式正向搜索的经典规划系统，利用里程碑派生的伪启发式是其核心特征，结合具备成本敏感性的两种启发式可以面对具有非均匀成本的动作，迭代加权 A * 搜索可持续提高搜索质量并表现出与使用里程碑有协同效应；LAMA 在国际计划 - 规划中的有序地标
本文提出一种新的方法，在规划中利用排序约束来指导搜索，使用工具扩展 Koehler 和 Hoffmann 的合理顺序，找到 Landmarks 并将规划任务分解为多个子任务从而提高运行时间性能。