- V-LASIK: 使用合成数据从视频中彻底去除眼镜
通过使用弱监督方法和合成数据，本研究展示了基于扩散的生成模型在局部视频编辑任务上的优越性，特别是在眼镜去除方面，为局部属性编辑提供了有力支持。
- 从未分割的医学图像中的弱监督贝叶斯形状建模
通过点云监督，提出了一种弱监督的深度学习方法来预测统计形态模型的构造，从而提高模型的训练可行性。
- 适应性噪声采样概率恢复的三维人体姿势估计
基于弱监督方法，提出了适用于轻量级单假设模型的概率恢复三维人体姿势评估框架（PRPose），通过逆向映射隐藏概率分布，采用自适应噪声采样策略生成合理的多假设样本，从而解决了 2D 姿势检测误差和 2D 到 3D 非正常问题的限制，实验证明了 - 使用弱监督学习从 2D 图像中处理和分割人牙齿
使用弱监督方法进行牙齿分割，通过关键点检测网络的输出热图和中间特征图来引导分割过程，采用 TriDental 数据集训练牙齿关键点检测网络，结合不同层次的特征图实现准确牙齿分割，进一步利用检测到的关键点优化分割结果，在真实牙科应用中实现成本 - Sat2Cap：从卫星图像映射细粒度文本描述
我们提出了一种新的弱监督方法来使用自由形式的文本描述（或标题）创建地图，我们将这种新的工作称为零样本映射。我们的实验结果证明，我们的模型成功捕捉到了细粒度概念并有效地适应时间变化。
- RaSP: 基于关系感知的语义先验策略用于弱监督下增量分割
本文提出一种基于语义关系的弱监督方法，将对象先验从以前学习的类别转移到新类别，从而提高了新类别和旧类别的分割掩模质量，并在一些连续学习任务中验证了该方法的有效性。
- CVPRP3IV: 从教学视频中使用弱监督进行概率过程规划
本文提出了一种基于 transformer 和概率生成模块的弱监督方法，用于学习从自然语言指令中提取过程规划，避免了对训练视频进行昂贵的时序视频标注，并在三个数据集上的对比实验证明其优于之前的全监督模型。
- 无强监督下的习语表达释义
本文探讨了习语句子改写的任务，提出了无监督和弱监督的方法来解决数据不足的问题，并用自动和手工评估验证了这些方法的有效性，该任务的实际用途是作为 En-De 机器翻译的预处理步骤。
- AAAI社交媒体文本上基于弱监督的细粒度事件识别在灾害管理中的应用
本文通过弱监督学习建立高质量的社交媒体紧急信息分类器，使用 Twitter 上的微博信息以及事件关键词帮助快速生成高质量的标签化数据，利用前续信息和回复信息来丰富微博表示方法以处理嘈杂短小的用户生成信息，且仅需 1-2 人时的人工监督即可在 - 基于区域建议的显著性图细化，用于弱监督疾病定位和分类
本文介绍了一种新的方法，结合区域提议和显著性检测的方法，通过 ChestX-ray14 数据集，证明该模型在弱监督下疾病诊断和定位方面的性能已经成为新的 state-of-the-art。
- EMNLP利用弱监督学习概念抽象度
本文介绍了一种弱监督方法，用于在完全没有标记数据的情况下推断单词和表达式的抽象性质，利用最少的语言线索和概念在文本数据中的上下文使用，训练具有足够强大的分类器，取得了与人标记的高相关性，结果表明这种方法适用于其他概念属性、其他语言和资源缺乏 - ECCV能否仅从 2D 投影中学习 3D 姿态？
通过弱监督的方法，使用对抗框架和随机投影层来提高 3D 姿势估计的精确度，该方法不需要 2D 和 3D 点之间的对应关系。实验结果表明该方法在人体 3D 姿势估计任务上表现优秀。
- 通过排序进行迁移学习以进行弱监督目标注释
本文提出一种基于转移学习的自动标注目标物体位置模型，可有效在缺乏繁琐手动标注的情况下对目标物体进行定位，取得优于目前同类方法的表现。