- GAM-Depth: 利用梯度感知掩蔽和语义约束的自监督室内深度估计
基于自我监督的深度估计方法已经发展成为一种最小化光度损失的图像重建任务。本文提出了 GAM-Depth，它由梯度感知掩码和语义约束两个新颖的组件构成，以解决室内深度估计中纹理缺失区域的深度一致性问题和物体边界处的深度不一致性。通过分配基于梯 - 通过可操作的扩散模型实现图像修复
本文提出了一种新的框架，利用可计算条件概率的 Tractable Probabilistic Models（TPMs）来指导扩散模型的去噪过程，从而改进了受限图像生成的质量和语义连贯性。同时，该方法能接受图像特定区域的语义约束，并推动更可控 - 真正的同义词替换攻击有多远？
本研究探讨了同义词替换攻击（SSAs）的实际可行性，并揭示当前 SSA 中存在的未解决问题，包括四种常用的替换方法产生大量无效替换单词，语法及语义约束不足以检测到无效的样本，该研究为今后构建更好的 SSAs 提供了重要的契机。
- 低资源情况下数据增强用于处理低频词问题的锡兰 - 英文神经机器翻译
介绍了一种基于词和短语替换的数据增强技术，能够同时考虑到 Out-of-Vocabulary 问题的两种类型，语法和语义约束，从而提高了低资源语言对的机器翻译质量。
- 改进词汇嵌入以提高稳健问答
提出一种基于语义和上下文限制的表示增强方法，来改善问题回答模型的强壮性和泛化能力，通过对语义进行扰动和训练增强上下文表示来更好地区分正确答案的上下文线索，实验证明我们的方法在四个对抗性测试集上获得了显著的鲁棒性改善。
- GAP-Gen: Python 代码自动化导向生成工具
该论文提出一种名为 GAP-Gen 的方法，用于自然语言描述的自动生成 Python 代码，该方法受到 Python 语法和语义约束的指导，通过在细调过程中改进而非预训练，在自动 Python 代码生成任务上实现更好的结果。
- MM基于原始图网络的单图像 3D 物体估计
采用基于原始体的表示法，提出了一个两阶段图网络进行基于原始体的 3D 物体估计的方法，并使用丰富的几何和语义约束来提高了 3D 结构的恢复质量。
- ICLR使用 Affordance Map 学习移动
本文提出了一种基于自监督学习的模块化方法，该方法将传统的几何规划与学习空间场景表示相结合，以实现对动态对象和语义约束进行自主探索和导航。在基于 VizDoom 的仿真环境中得到了验证。
- EMNLP通过视觉基础应对语言漂移
通过在多智能体通信中引入语言模型和视觉约束等训练约束，可以有效避免非语言性的奖励对预先训练的代理产生的语言漂移，从而使预先训练的代理在保留英语语法的同时学会准确传达信息。
- 在多样化的图像翻译中控制偏见和多样性
本文提出了一种针对失配图像到图像转换中的偏见问题的解决方案，通过引入语义约束确保图像属性的保留，从而实现不带偏见的多样化图像到图像转换。在人脸、物体和场景等领域的实验结果表明了所提出技术的有效性。
- COLING评估句向量表示中的组成
文章介绍了一种可以精确和控制地针对句向量中的组合含义信息的方法，利用一个专门的句子生成系统，创建遵循特定句法、语义和词汇约束条件的带注释的大型句子集。实验表明，这种方法能够从多种现有的句子表示模型中提取有用的信息，有助于理解这些系统对句子信 - 语义人像抠图
本文提出了一种自动的人像抠图算法（SHM），以数据学习的隐式语义约束为基础，利用深度卷积神经网络同时拟合语义信息和高质量细节，经实验证明，该算法效果与互动抠图方法相当，并构建了一个包含 35,513 个前景图的高质量注释数据集。
- 点对点数据交换系统中的查询回答
研究了在点对点数据交换系统中回答成员提出的查询问题的方法，介绍了一种考虑本地语义约束和数据交换约束的点对点一致性答案的语义和一些获得这些答案的技术。