本文提出基于3D门控卷积和时序PatchGAN的自由形态视频修复模型，显著提升了视频的空间细节和时间一致性。

Ya-Liang Chang, Zhe Yu Liu, Kuan-Ying Lee 等

提出Nucleus Sampling，结合概率分布尾部截断，有效改善神经文本生成的多样性与连贯性。

Ari Holtzman, Jan Buys, Li Du 等

PullNet结合迭代检索与图卷积网络，实现多跳问答，显著优于先前方法。

Haitian Sun, Tania Bedrax-Weiss, William W. Cohen

Social Ways以Info-GAN生成多模态轨迹，在ETH上达0.39/0.64的ADE/FDE。

Javad Amirian, Jean-Bernard Hayet, Julien Pettre

提出深层影响扩散模型DiffNet，模拟社交网络中递归影响传播，提升推荐性能13%以上。

Le Wu, Peijie Sun, Yanjie Fu 等

行为克隆在复杂自动驾驶场景中表现优异，但存在泛化和数据偏差等限制。

Felipe Codevilla, Eder Santana, Antonio M. López 等

提出TextVQA数据集与LoRRA模型，实现图像文本理解与推理，显著优于SOTA。

Amanpreet Singh, Vivek Natarajan, Meet Shah 等

SpecAugment通过时间扭曲和频率掩码显著提升端到端语音识别性能，达成LibriSpeech 6.8% WER。

Daniel S. Park, William Chan, Yu Zhang 等

KPConv提出灵活可变形的点云卷积，在ModelNet40上达到92.9%准确率。

Hugues Thomas, Charles R. Qi, Jean-Emmanuel Deschaud 等

提出基于稀疏张量的4D时空卷积网络，显著提升3D视频感知性能。

Christopher Choy, JunYoung Gwak, Silvio Savarese

提出基于事件相机的深度估计算法，提升精度达85%，实现微秒级实时处理。

Guillermo Gallego, Tobi Delbruck, Garrick Orchard 等

提出基于递归网络的事件转视频方法，提升图像质量超20%，实现事件数据的自然视频重建。

Henri Rebecq, René Ranftl, Vladlen Koltun 等

SAGPool通过自注意力机制提升图分类性能，在D&D数据集上提高了5%。

Junhyun Lee, Inyeop Lee, Jaewoo Kang

ContactDB通过热成像分析和预测抓握接触，包含3750个3D网格和375K帧RGB-D+热图像。

Samarth Brahmbhatt, Cusuh Ham, Charles C. Kemp 等

BERT4Rec利用双向Transformer和Cloze任务建模用户行为序列，显著优于SOTA模型。

Fei Sun, Jun Liu, Jian Wu 等

提出GA-Net，通过半全局和局部引导聚合层，显著提升立体匹配精度，减少计算成本。

Feihu Zhang, Victor Prisacariu, Ruigang Yang 等

使用3D形变模型和生成对抗网络的面部去遮挡方法，提升了面部重建的准确性。

Xiaowei Yuan, In Kyu Park

提出Graph Wavelet Neural Network (GWNN)，通过图小波变换实现高效图卷积，在Cora等数据集上提升准确率。

Bingbing Xu, Huawei Shen, Qi Cao 等

ObMan与可微接触损失实现RGB手物联合重建，并提升抓取物理质量。

Yana Hasson, Gül Varol, Dimitrios Tzionas 等

本研究提出序列到序列模型的成员推断攻击框架，实验证明模型在特定条件下泄露私有数据。

Sorami Hisamoto, Matt Post, Kevin Duh