提出基于类别的可变形网格模型，利用无3D标注的图像集实现单视图3D重建。
Angjoo Kanazawa, Shubham Tulsiani, Alexei A. Efros 等
MAGSAC通过边缘化噪声消除RANSAC中用户定义的阈值，显著提高模型精度。
Daniel Barath, Jana Noskova, Jiri Matas
提出基于深度特征重建的无监督单目深度与视觉里程计方法，在KITTI数据集上优于现有方法。
Huangying Zhan, Ravi Garg, Chamara Saroj Weerasekera 等
提出LCR-Net++，结合多尺度候选生成、分类与回归，实现多人的2D/3D姿态估计，显著优于SOTA。
Gregory Rogez, Philippe Weinzaepfel, Cordelia Schmid
Glimpse Clouds方法通过视觉注意模块识别活动，无需姿态信息，提升NTU RGB+D数据集准确率。
Fabien Baradel, Christian Wolf, Julien Mille 等
Shield利用JPEG压缩结合疫苗、集成和随机化，有效防御94%的黑盒和98%的灰盒攻击。
Nilaksh Das, Madhuri Shanbhogue, Shang-Tse Chen 等
基于自注意力机制的图像Transformer模型，提升ImageNet负对数似然从3.83到3.77。
Niki Parmar, Ashish Vaswani, Jakob Uszkoreit 等
结合颜色和深度信息改进SSCnet，未超越原始方法。
Andre Bernardes Soares Guedes, Teofilo Emidio de Campos, Adrian Hilton
深度域适应通过对抗和统计方法，提升视觉任务中的跨域迁移性能。
Mei Wang, Weihong Deng
本文提出DeepLabv3+，结合空洞空间金字塔池化（ASPP）与解码器，采用Xception骨架和深度可分离卷积，在Pascal VOC 2012和Cityscapes上实现89.0%和82.1%的无后处理性能。
Liang-Chieh Chen, Yukun Zhu, George Papandreou 等
提出RWalk，结合EWC++和路径积分，利用Riemannian度量改善增量学习中的遗忘与不迁移问题。
Arslan Chaudhry, Puneet K. Dokania, Thalaiyasingam Ajanthan 等
动态图CNN通过EdgeConv模块提升点云分类和分割性能，显著提高准确率。
Yue Wang, Yongbin Sun, Ziwei Liu 等
提出多任务多模态深度网络同时预测转向角和速度，基于视觉和反馈信息，显著提升精度。
Zhengyuan Yang, Yixuan Zhang, Jerry Yu 等
提出MobileNetV2，采用倒残差结构和线性瓶颈，显著提升移动端模型性能，参数仅3.4M，MAdd为300M。
Mark Sandler, Andrew Howard, Menglong Zhu 等
基于深度多实例排序框架的弱监督视频异常检测，利用128小时真实监控视频数据集。
Waqas Sultani, Chen Chen, Mubarak Shah
本文发现深度特征作为感知相似度指标，超越传统方法，适用于多架构和监督水平，基于人类判断数据。
Richard Zhang, Phillip Isola, Alexei A. Efros 等
提出Total Capture模型，融合面部、手部、身体的3D变形，实现多尺度无标记运动捕捉。
Hanbyul Joo, Tomas Simon, Yaser Sheikh
提出全景分割（PS）任务，结合语义与实例分割，创新性引入PQ评估指标。
Alexander Kirillov, Kaiming He, Ross Girshick 等
提出Self-Supervised Interest Point检测器SuperPoint，基于Homographic Adaptation实现高重复性，性能优于SIFT、ORB。
Daniel DeTone, Tomasz Malisiewicz, Andrew Rabinovich
本研究比较传统、GAN和神经网络学习的数据增强在ImageNet子集上的效果，最高提升至91.5%。
Luis Perez, Jason Wang