提出Holistic++框架，通过MCMC优化单视图图像中的3D场景解析和人体姿态估计，显著提升性能。

Yixin Chen, Siyuan Huang, Tao Yuan 等

提出PlotQA，包含2.89千万问答对，解决真实场景中图表的复杂推理问题。

Nitesh Methani, Pritha Ganguly, Mitesh M. Khapra 等

提出SPair-71k数据集，包含7万多对多样视角变换的语义匹配图像，推动语义对应研究。

Juhong Min, Jongmin Lee, Jean Ponce 等

PROX方法利用3D场景约束显著降低3D人体姿态估计误差。

Mohamed Hassan, Vasileios Choutas, Dimitrios Tzionas 等

提出分层强化学习框架，通过子任务控制器和元控制器实现人类坐椅动作合成，成功率达31.61%。

Yu-Wei Chao, Jimei Yang, Weifeng Chen 等

AutoGAN通过NAS优化GAN架构，在CIFAR-10上实现12.42的FID分数。

Xinyu Gong, Shiyu Chang, Yifan Jiang 等

Pixel2Mesh++通过多视角变形网络（MDN）结合图卷积，利用多图像信息生成高质量3D网格，显著优于单视图方法。

Chao Wen, Yinda Zhang, Zhuwen Li 等

提出MIND模块结合深度强化学习提升EmbodiedQA的环境理解与规划能力。

Juncheng Li, Siliang Tang, Fei Wu 等

DIODE利用激光扫描实现室内外高密度深度图，突破单域局限。

Igor Vasiljevic, Nick Kolkin, Shanyi Zhang 等

提出Structured3D数据集，自动提取多结构信息，提升室内场景3D理解性能。

Jia Zheng, Junfei Zhang, Jing Li 等

提出输出与特征蒸馏及冻结编码器，在VOC上将增量分割mIoU提升至71.6%。

Umberto Michieli, Pietro Zanuttigh

提出InterFaceGAN，通过线性变换解码潜在空间，实现面部属性的可控编辑。

Yujun Shen, Jinjin Gu, Xiaoou Tang 等

提出多尺度局部平面引导层，显著提升单目深度估计精度，在NYU Depth V2和KITTI数据集上超越现有方法。

Jin Han Lee, Myung-Kyu Han, Dong Wook Ko 等

提出基于人类标注的时间打乱方法，识别需要时间信息的动作类别，构建“时间类别”数据集。

Laura Sevilla-Lara, Shengxin Zha, Zhicheng Yan 等

提出Gated-SCNN，结合门控机制的双流网络，提升城市街景分割的边界和小物体识别，mIoU提升2%，F-score提升4%。

Towaki Takikawa, David Acuna, Varun Jampani 等

提出基于多数据集混合的鲁棒单目深度估计方法，利用尺度和偏移不变损失，在五个不同数据集上实现零样本跨数据集迁移，显著优于现有方法。

René Ranftl, Katrin Lasinger, David Hafner 等

提出LV-Net，结合两流金字塔和嵌套编码器-解码器，专为光学遥感图像显著目标检测。

Chongyi Li, Runmin Cong, Junhui Hou 等

本研究提出基于RGBD的多模态端到端自主驾驶模型，早融合方案优于单一模态。

Yi Xiao, Felipe Codevilla, Akhil Gurram 等

提出场景表示网络（SRNs），通过连续函数实现3D几何与外观的端到端训练，无需深度标签。

Vincent Sitzmann, Michael Zollhöfer, Gordon Wetzstein

3D-BoNet直接预测点云3D边界框和实例掩码，效率提升10倍，超越ScanNet和S3DIS基准。

Bo Yang, Jianan Wang, Ronald Clark 等