提出大核卷积网络（GCN）提升语义分割性能，达82.2% VOC2012，76.9% Cityscapes。
Chao Peng, Xiangyu Zhang, Gang Yu 等
结合自监督学习与模仿，机器人成功操控绳索，使用60K交互数据。
Ashvin Nair, Dian Chen, Pulkit Agrawal 等
提出GPU上的k选择算法，性能达峰值的55%，实现8.5倍速度提升。
Jeff Johnson, Matthijs Douze, Hervé Jégou
利用概率图模型自动生成科学论文海报，结合内容布局与元素优化。
Yu-ting Qiang, Yanwei Fu, Xiao Yu 等
提出ADDA，结合判别模型与非绑定权重，实现无监督跨域适应，超越SOTA。
Eric Tzeng, Judy Hoffman, Kate Saenko 等
提出Cognitive Mapper and Planner (CMP)，结合端到端学习实现视觉导航中的映射与路径规划。
Saurabh Gupta, Varun Tolani, James Davidson 等
提出一种半监督深度学习方法，通过稀疏激光雷达数据和立体图像对单目深度预测达到KITTI数据集SOTA性能。
Yevhen Kuznietsov, Jörg Stückler, Bastian Leibe
使用卷积神经网络估计相机相对姿态，性能优于SURF和ORB。
Iaroslav Melekhov, Juha Ylioinas, Juho Kannala 等
提出一种可自适应的鲁棒损失函数，结合概率分布优化，提升视觉任务性能。
Jonathan T. Barron
提出自动CNN推荐系统，基于任务复杂度和模型能力评分，免训练快速匹配最优模型。
Song Wang, Li Sun, Wei Fan 等
结合深度学习和几何建模，自主驾驶车辆障碍检测系统在Lost and Found数据集上提升50%。
Sebastian Ramos, Stefan Gehrig, Peter Pinggera 等
本方法利用静态图像训练的卷积神经网络，通过引导策略实现视频目标分割，达到了竞争性性能。
Anna Khoreva, Federico Perazzi, Rodrigo Benenson 等
DeMoN网络通过单目图像对学习深度和相机运动，显著提升鲁棒性和精度。
Benjamin Ummenhofer, Huizhong Zhou, Jonas Uhrig 等
FlowNet2以数据课程、堆叠加权与小位移专网，将Sintel测试EPE降至3.96并实现123fps。
Eddy Ilg, Nikolaus Mayer, Tonmoy Saikia 等
提出基于FCN-LSTM的端到端驾驶模型，从大规模众包视频数据学习未来车辆运动分布。
Huazhe Xu, Yang Gao, Fisher Yu 等
提出平衡VQA数据集，利用相似图像实现视觉理解提升，显著降低模型偏见。
Yash Goyal, Tejas Khot, Douglas Summers-Stay 等
SyncSpecCNN通过谱域参数化实现3D模型点分类，达成多项任务的最优性能。
Li Yi, Hao Su, Xingwen Guo 等
提出点集生成网络（PointSetNet）用于单图3D重建，采用Earth Mover's Distance和多样性采样，显著优于SOTA。
Haoqiang Fan, Hao Su, Leonidas Guibas
3D-EPN结合形状合成技术，实现高精度3D形状补全。
Angela Dai, Charles Ruizhongtai Qi, Matthias Nießner
提出浅层残差网络架构，显著优于ResNet-200，提升图像识别与分割性能。
Zifeng Wu, Chunhua Shen, Anton van den Hengel