- 高斯散角法：3D 重建与新景象合成综述
图像基于的三维重建是一项具有挑战性的任务，涉及从一组输入图像中推断出对象或场景的三维形状。基于学习的方法因其直接估计三维形状的能力而受到关注。本综述论文着重介绍了三维重建的最新技术，包括生成新颖未见视角的方法。论文提供了对高斯激波方法的最新 - 揭示一个不断变化的世界中的异常：连续学习中像素级异常检测的基准
该研究探讨了在连续学习背景下像素级异常检测的问题，实现了多种先进技术，并使用真实世界的图像数据集验证了这些方法在连续学习环境中的适用性。
- 使用伪标签进行域自适应
无监督领域适应的研究中，通过使用预训练网络进行多阶段伪标签优化程序，解决了无标签目标数据中的类别错位问题，证明了该简单方法在多个数据集上比复杂的最先进技术更有效。
- 基于深度学习的局部特征匹配：综述
本研究对本地特征匹配方法进行了全面的综述，将其分类为基于探测器和不基于探测器两类，并探索了其在不同领域的实际应用和面临的当前挑战，以及未来的研究方向。
- 通过句法树修剪进行机器翻译测试
通过基于语法树修剪的新型变异测试方法，验证机器翻译系统以提高准确性和可靠性；在 Google 翻译和 Bing 微软翻译中准确检测出 5073 和 5100 种错误翻译，比现有技术增加了 400%，错误翻译类型多样且大部分现有技术无法捕获， - 基于图像的虚拟试穿研究
通过对管道架构、人物表示、关键模块和语义标准的综合分析，本文提供了最新技术和方法论在基于图像的人物试穿领域的全面调研，评估了不同方法，并展示了大规模模型在图像试穿任务上的未来潜力，并揭示了未解决的问题和未来研究方向。
- 高光谱基准：通过全面数据集和预训练填补 HSI 应用之间的差距
通过引入包含不同应用领域（食品检查、遥感和回收）的创新基准数据集，本研究解决了目标数据集规模有限的限制，从而促进了高光谱图像模型能力的全面评估，并提供了最先进技术的深入研究和更加稳定的训练流程。
- 基于推理的软件测试
RBST 提出一种新的软件测试思路，即将测试问题视为因果推理任务，通过利用因果推理的工具来智能化测试搜索过程，与基于经验学习的策略相比具有更高的自然性和灵活性，其初步结果是有前途的。
- ECCVSOMPT22：一个以监视为导向的多行人跟踪数据集
本文提供了一个行人数据集并且对最先进技术的一些强弱项进行了分析，对比了单次追踪和两阶段追踪，并得出单次追踪是较佳方案的结论。
- 医疗知识图谱构建：现状、开放问题和机遇
本文通过提供全面的分类法和涵盖多个卫生保健领域相关学术工作的最新技术评估，评估了目前医疗知识图谱的构建状况，为大数据分析解决方案的需求提供了更好的数据表示和知识推理。此外，还讨论了现有问题和未来研究方向。
- ACL从维基百科当前事件门户网站获取的大规模多文档摘要数据集
此文献中，研究人员通过利用维基百科当前事件门户网站，构建了一个新的多文档摘要数据集，以训练多种最新 MDS 技术的监督型模型，并呈现了定量分析的结果。
- PIFuHD: 面向高分辨率三维人体数字化的多级像素对齐隐式函数
该研究论文通过多层次结构体系，从高分辨率的图像中提取细节信息、同时观察到低分辨率图像的整体信息，借助深度神经网络尝试解决现有方法在人体三维建模方面存在的精度与准确预测之间的矛盾，实验结果在单幅图像三维建模领域中，显著超越了现有的最先进技术。
- 2018 年语音转换挑战赛：促进并行和非并行方法的开发
本文主要介绍 2018 年语音转换挑战赛，包括任务及相关技术和结果总结。
- 从在线舞蹈视频中学习
通过引入 “Let's Dance” 数据集，作者介绍了如何在视频领域应用深度神经网络方法，并探讨了这些方法在学习如何处理动态数据时的价值和性能，特别是在区分需要使用运动信息分类的动态运动大类方面的困难。
- EMNLP文本文档的深度开放分类
本文提出了一种基于深度学习的方法来解决开放分类问题，这种方法在表现上优于现有的现有技术。