- 用于平衡组分布稳健性的可控提示调整
通过引入优化方案和可控的提示调整技术，我们在群组和模态彼此进行权衡的同时，在分布转换下实现了优秀的性能，无需更新整个网络的参数，从而达到了最先进的结果。
- 基于合成数据的具有不确定法线的表面变形的足部优化
使用少量视角重构人脚模型的方法，通过提取图像中的丰富几何线索并将它们融合到最终的 3D 对象中，证明了正常预测器在真实图像上的优越性能以及优于当今主流技术的优化方案，尤其适用于少量视角的情况。
- RED-PSM: 动态成像中部分可分模型的去噪正则化
通过结合部分可分离模型和 Denoising 正则化（RED），我们提出了一个优化方案，可以用于解决动态亚采样图像重建问题，并展示了与现有方法在性能和计算方面的改进。
- 面向联邦强化学习的通信高效共识机制
本文考虑了联邦学习范式下的独立强化学习问题，提出了一种系统效用函数以及基于周期平均法的共识优化方案，在理论分析与数值模拟中证明了其优异性和有效性。
- Pareto 域自适应
该论文探讨了基于梯度的角度重新思考域自适应算法优化方案的问题，并提出了 Pareto Domain Adaptation 方法来协作优化所有训练目标，提高目标分类精度
- ICCV多视角图像中的多人姿态估计与形状感知
本文提出了一种基于多视图图像的多人姿态估计方法，在统计参数体模型的引导下，这种方法能够更好地纠正不合理的 3D 姿态估计和填充缺失的关节点检测，将 2D 和 3D 观测联系起来，从而更准确地估计 3D 姿态并且具有较好的泛化性能，实验表明该 - ACLXtremeDistil：大规模多语言模型的多阶段蒸馏
本研究聚焦于多语言实体识别，探究知识蒸馏压缩预训练语言模型的多种策略，通过利用教师模型内部表示的分阶段优化方案，成功将 MBERT 模型压缩了 35 倍参数，51 倍批量推理的延迟，同时保持在 41 种语言中的 95％的 F1 分数。
- ECCV基于角度重投影误差的场景坐标回归在相机重新定位中的应用
本文提出一种基于新的角度重投影误差损失方法的卷积神经网络训练方式，在无需精确初始化的情况下能够获得更准确的结果，并且可以利用多视角约束来进一步提高性能。
- 非凸主降 - 最小化复合优化
我们考虑了一类非凸主泛函，证明这些主泛函仍足以保证全局收敛的优化算法，并通过对原始飞行时间数据的深度超分辨率来说明我们算法的行为。
- NIPSTop-k 多分类 SVM
提出一种直接优化 top-k 性能的方法 ——top-k 多类支持向量机，其基于一种严格的上凸界并提出一种基于 top-k 单纯形的高效投影优化方案，在五个数据集上在 top-k 精度方面相比各种基线模型均有不同程度的提高。