IBRNet通过多视角特征融合，实现复杂场景的高分辨率新视点合成，无需场景优化。
Qianqian Wang, Zhicheng Wang, Kyle Genova 等
基于transformer的零样本文本到图像生成，利用大规模数据训练，达到与领域专用模型竞争的效果。
Aditya Ramesh, Mikhail Pavlov, Gabriel Goh 等
SwiftNet用像素自适应记忆在DAVIS2017达77.8% J&F、70 FPS。
Haochen Wang, Xiaolong Jiang, Haibing Ren 等
提出球面散射网络，结合Wavelet变换实现高分辨率旋转等变的球面卷积神经网络。
Jason D. McEwen, Christopher G. R. Wallis, Augustine N. Mavor-Parker
提出多阶段渐进式图像恢复网络（MPRNet），在十个数据集上实现显著性能提升。
Syed Waqas Zamir, Aditya Arora, Salman Khan 等
提出VTN，基于Transformer的视频识别框架，训练快、推理快，性能优异。
Daniel Neimark, Omri Bar, Maya Zohar 等
通过使用噪声负样本进行训练，提出了一种密集异常检测和开放集识别方法，在WildDash 1上表现出色。
Petra Bevandić, Ivan Krešo, Marin Oršić 等
LightLayers通过矩阵分解减少参数，达成在CIFAR-10上仅用1/3参数的高效模型。
Debesh Jha, Anis Yazidi, Michael A. Riegler 等
本论文提出基于结构光的立体匹配方法，利用深度学习实现端oscopy深度估计，平均误差低于3mm。
Max Allan, Jonathan Mcleod, Congcong Wang 等
SETR用纯Transformer做分割，ADE20K达50.28%mIoU。
Sixiao Zheng, Jiachen Lu, Hengshuang Zhao 等
STaR通过自监督学习，利用神经辐射场模型实现动态场景中刚体物体的追踪与重建，无需人工标注。
Wentao Yuan, Zhaoyang Lv, Tanner Schmidt 等
提出基于用户点击和不确定性估计的无Trimap深度图像抠图框架，显著提升性能。
Tianyi Wei, Dongdong Chen, Wenbo Zhou 等
提出一种从单目视频中估计一致的深度图和相机姿态的新算法，超越Sintel基准。
Johannes Kopf, Xuejian Rong, Jia-Bin Huang
通过最大化熵和元分类提高语义分割中的分布外检测性能，错误率降低52%。
Robin Chan, Matthias Rottmann, Hanno Gottschalk
神经原型树结合原型学习与决策树，实现细粒度图像识别的可解释性，CUB-200-2011数据集上表现优异。
Meike Nauta, Ron van Bree, Christin Seifert
DiffusionNet利用可学习扩散层实现表面信息传播，具备分辨率和采样无关性。
Nicholas Sharp, Souhaib Attaiki, Keenan Crane 等
MaX-DeepLab通过掩码变换器实现端到端全景分割，在COCO数据集上提升7.1% PQ。
Huiyu Wang, Yukun Zhu, Hartwig Adam 等
Panoptic FCN通过生成卷积核实现高效全景分割，在COCO上PQ达到44.3%。
Yanwei Li, Hengshuang Zhao, Xiaojuan Qi 等
HybrIK结合解析与神经逆运动学，实现3D人体姿态与形状估计，MPJPE提升13.2mm。
Jiefeng Li, Chao Xu, Zhicun Chen 等
提出AdaBins，用自适应深度区间划分显著提升NYU和KITTI数据集的深度估计性能。
Shariq Farooq Bhat, Ibraheem Alhashim, Peter Wonka