提出基于随机文法的单幅RGB图像3D场景解析与重建框架，显著提升布局估计和物体检测性能。
Siyuan Huang, Siyuan Qi, Yixin Zhu 等
基于单目视频的高细节人类虚拟形象重建，采用SMPL模型优化实现面部、服饰细节。
Thiemo Alldieck, Marcus Magnor, Weipeng Xu 等
提出一种结合实际移动设备延迟的多目标神经架构搜索方法，获得75.2% Top-1准确率，78ms延迟。
Mingxing Tan, Bo Chen, Ruoming Pang 等
提出可端到端训练的超像素采样网络（SSN），结合深度特征学习与可微分SLIC算法，显著优于传统方法。
Varun Jampani, Deqing Sun, Ming-Yu Liu 等
UNet++采用嵌套密集跳跃连接，显著提升医学图像分割IoU，平均提升3.9点。
Zongwei Zhou, Md Mahfuzur Rahman Siddiquee, Nima Tajbakhsh 等
提出CIRL结合模仿学习与深度强化学习，在高保真模拟器中实现视觉自主驾驶，成功率显著提升。
Xiaodan Liang, Tairui Wang, Luona Yang 等
提出基于自监督的单目内窥深度估计方法，无需预先建模，利用SfM生成稀疏但精确的深度监督，达成亚毫米误差。
Xingtong Liu, Ayushi Sinha, Mathias Unberath 等
提出虚拟家庭（VirtualHome）模拟系统，利用程序表示复杂家庭活动，结合自然语言和视频自动生成程序，推动机器人任务理解。
Xavier Puig, Kevin Ra, Marko Boben 等
提出了一种基于门控卷积的生成式图像修复系统，在Places2和CelebA-HQ数据集上表现优异。
Jiahui Yu, Zhe Lin, Jimei Yang 等
基于ResNet50的FPN实现多类别土地分割，模型在DEEPGLOBE竞赛中表现优异。
Selim S. Seferbekov, Vladimir I. Iglovikov, Alexander V. Buslaev 等
RedNet采用残差编码器-解码器结构，结合深度融合与金字塔监督，达成47.8%的SUN RGB-D最高mIoU。
Jindong Jiang, Lunan Zheng, Fei Luo 等
AutoAugment通过强化学习自动搜索图像增强策略，提升CIFAR-10误差至1.5%。
Ekin D. Cubuk, Barret Zoph, Dandelion Mane 等
AutoPruner结合端到端训练实现滤波器剪枝，提升模型效率。
Jian-Hao Luo, Jianxin Wu
通过学习自一致性检测图像拼接，使用真实照片数据集训练，取得最先进表现。
Minyoung Huh, Andrew Liu, Andrew Owens 等
提出三类更现实的黑箱对抗模型，利用NES算法实现高效攻击，成功突破ImageNet及Google Cloud Vision。
Andrew Ilyas, Logan Engstrom, Anish Athalye 等
提出基于部分卷积的图像修复方法，显著减少伪影，PSNR提升至33.75。
Guilin Liu, Fitsum A. Reda, Kevin J. Shih 等
Pixel2Mesh利用图卷积网络，从单张RGB图像逐步变形椭球，生成高质量三角网格模型，显著优于现有方法。
Nanyang Wang, Yinda Zhang, Zhuwen Li 等
利用互联网多视角照片，通过结构光束和多视Stereo（MVS）生成大规模深度数据集MegaDepth，显著提升单视深度预测泛化能力。
Zhengqi Li, Noah Snavely
提出点云卷积网络（PCNN），通过扩展-限制机制实现点云的卷积操作，性能优越。
Matan Atzmon, Haggai Maron, Yaron Lipman
LayoutNet通过单张RGB图像预测3D房间布局，支持全景图和透视图，精度达74.48% 3D IoU。
Chuhang Zou, Alex Colburn, Qi Shan 等