使用深度注意力体积指导单目深度估计，在NYU-Depth-v2上实现最先进性能。
Lam Huynh, Phong Nguyen-Ha, Jiri Matas 等
引入仿射跳跃连接增强图卷积层，结合RBF模型提升形状重建与分类性能。
Shunwang Gong, Mehdi Bahri, Michael M. Bronstein 等
提出各向异性卷积网络(AIC-Net)，在NYU-Depth-v2上提升3D语义场景完成精度。
Jie Li, Kai Han, Peng Wang 等
PointGroup通过双坐标集聚类实现3D点云实例分割，在ScanNet v2上达到63.6%的mAP50。
Li Jiang, Hengshuang Zhao, Shaoshuai Shi 等
提出基于物理的光学非视角3D人体姿态估计方法，利用瞬态图像实现高精度重建。
Mariko Isogawa, Ye Yuan, Matthew O'Toole 等
提出3D草图感知语义场景补全方法，提升NYU数据集上SSC任务性能7.8%。
Xiaokang Chen, Kwan-Yee Lin, Chen Qian 等
提出支持多光谱通道的TensorFlow hyperspectral增强工具，提升遥感模型性能。
Mohamed Abdelhack
提出TextCaps数据集，结合图像描述与阅读理解，挑战模型识别文本并推理，达成145k标注。
Oleksii Sidorov, Ronghang Hu, Marcus Rohrbach 等
提出SAPIEN环境，结合PhysX和PartNet-Mobility，支持复杂家居物体的细粒度交互与视觉任务，提升机器人操作的现实性与多样性。
Fanbo Xiang, Yuzhe Qin, Kaichun Mo 等
Axial-DeepLab通过轴向注意力机制在ImageNet上超越现有模型，提升COCO测试集2.8% PQ。
Huiyu Wang, Yukun Zhu, Bradley Green 等
提出clDice损失函数，保证血管等管状结构拓扑完整性，适用于2D/3D血管分割。
Suprosanna Shit, Johannes C. Paetzold, Anjany Sekuboyina 等
提出基于去卷积和学习的UDC图像恢复方法，显著改善低光和模糊图像。
Yuqian Zhou, David Ren, Neil Emerton 等
提出卷积占据网络（Convolutional Occupancy Networks），结合卷积编码器与隐式占据解码器，实现复杂场景的高精度3D重建。
Songyou Peng, Michael Niemeyer, Lars Mescheder 等
StyleGAN2蒸馏方法实现前馈图像操作，生成质量与StyleGAN2反向传播相当。
Yuri Viazovetskyi, Vladimir Ivashkin, Evgeny Kashin
提出IF-Nets，通过多尺度特征张量实现连续、多拓扑、细节保留的3D重建。
Julian Chibane, Thiemo Alldieck, Gerard Pons-Moll
Learn2Perturb通过端到端特征扰动学习提高对抗鲁棒性，在CIFAR-10上提升4-7%。
Ahmadreza Jeddi, Mohammad Javad Shafiee, Michelle Karg 等
SAT用状态反馈实现实时视频分割：DAVIS2017-Val达72.3% J&F、39 FPS。
Xi Chen, Zuoxin Li, Ye Yuan 等
提出Cops-Ref数据集，结合复杂推理逻辑，评估模型推理能力，性能尚待提升。
Zhenfang Chen, Peng Wang, Lin Ma 等
提出一种结合快速优化的目标模型和分割网络的VOS方法，达成高效且鲁棒的目标分割。
Andreas Robinson, Felix Järemo Lawin, Martin Danelljan 等
提出Defense-PointNet，通过判别器提升点云模型对对抗样本的鲁棒性，显著优于基线方法。
Yu Zhang, Gongbo Liang, Tawfiq Salem 等