Ref-NeRF通过反射方向重参数化，显著提升了场景中的镜面反射真实感。
Dor Verbin, Peter Hedman, Ben Mildenhall 等
提出KR距离与重心，基于非平衡最优运输，解决不同质量测度的对比问题。
Florian Heinemann, Marcel Klatt, Axel Munk
提出LiRA，从第一原理出发，提升低误报率下的成员推断攻击性能，提升10倍效果。
Nicholas Carlini, Steve Chien, Milad Nasr 等
ProtoPool模型通过可微分的原型分配实现可解释的图像分类，在CUB-200-2011和Stanford Cars数据集上表现优异。
Dawid Rymarczyk, Łukasz Struski, Michał Górszczak 等
基于变分贝叶斯的主动推理框架，提升机器人状态估计与控制鲁棒性。
Pablo Lanillos, Cristian Meo, Corrado Pezzato 等
提出Mask2Former，基于masked attention的通用图像分割架构，在四个公开数据集上刷新多项SOTA，性能优于专用模型。
Bowen Cheng, Ishan Misra, Alexander G. Schwing 等
MViTv2通过相对位置嵌入和残差池化，提升多尺度视觉Transformer在图像、视频和检测中的性能，达成88.8% ImageNet准确率。
Yanghao Li, Chao-Yuan Wu, Haoqi Fan 等
Dream Fields结合NeRF与CLIP，实现无监督文本引导的3D对象生成。
Ajay Jain, Ben Mildenhall, Jonathan T. Barron 等
本文研究大规模语言模型的对齐策略，重点比较提示、模仿学习、偏好建模的规模效应与样本效率。
Amanda Askell, Yuntao Bai, Anna Chen 等
MonoScene提出单目RGB图像的3D语义场景重建，采用2D/3D UNet架构，引入FLoSP和3D CRP，显著优于现有方法。
Anh-Quan Cao, Raoul de Charette
提出Diffusion Autoencoders，结合可解码的高层语义与细节重建，显著提升图像表示与操作能力。
Konpat Preechakul, Nattanat Chatthee, Suttisak Wizadwongsa 等
VQ-Diffusion模型结合VQ-VAE和DDPM，实现文本到图像生成，速度提升15倍。
Shuyang Gu, Dong Chen, Jianmin Bao 等
提出Blended Diffusion实现基于文本的局部图像编辑，结合CLIP和DDPM，确保背景保持自然。
Omri Avrahami, Dani Lischinski, Ohad Fried
提出OOD-CV基准，评估模型在姿态、纹理等单一干扰因素的OOD鲁棒性，显示现有方法效果有限。
Bingchen Zhao, Shaozuo Yu, Wufei Ma 等
GMFlow以全局匹配替代局部回归，在Sintel上以1次细化达到EPE 1.08，优于31次细化RAFT。
Haofei Xu, Jing Zhang, Jianfei Cai 等
提出基于持久同调维数的深度网络泛化分析工具，能有效估算网络的内在维度并预测泛化误差。
Tolga Birdal, Aaron Lou, Leonidas Guibas 等
VIOLET采用端到端视频-语言Transformer，结合Masked Visual-token Modeling提升视频理解，达到多项任务SOTA。
Tsu-Jui Fu, Linjie Li, Zhe Gan 等
EvDistill用双向重建与跨模态蒸馏，在无标注事件上实现DDD17 58.02% mIoU。
Lin Wang, Yujeong Chae, Sung-Hoon Yoon 等
提出基于数据驱动的多智能体仿真方法，训练具有交互鲁棒性的自动驾驶策略，能零样本转移到真实车辆。
Tsun-Hsuan Wang, Alexander Amini, Wilko Schwarting 等
提出mip-NeRF 360，结合非线性参数化与在线蒸馏，显著提升无界场景的渲染质量与效率。
Jonathan T. Barron, Ben Mildenhall, Dor Verbin 等