将策略优化视为Wasserstein梯度流，提出粒子逼近算法，提升RL性能。
Ruiyi Zhang, Changyou Chen, Chunyuan Li 等
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
提出一种基于双语句嵌入的高效平行语料库挖掘方法，精度达48.9%(en-fr)。
Mandy Guo, Qinlan Shen, Yinfei Yang 等
提出实时动态功耗预测模型与误差估算，实现场景自适应的节能渲染。
Yunjin Zhang, Marta Ortin, Victor Arellano 等
提出CDA方法，利用因果干预降低神经NLP中的性别偏见，保持模型准确性。
Kaiji Lu, Piotr Mardziel, Fangjing Wu 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
使用矩阵值再生核逼近向量值函数，提供更好的插值误差界限。
Dominik Wittwar, Gabriele Santin, Bernard Haasdonk
提出Tofu系统，通过自动数据流图划分支持超大深度神经网络模型，显著降低GPU内存需求。
Minjie Wang, Chien-chin Huang, Jinyang Li
基于百度Apollo平台的EM运动规划器，结合多车道路径和速度优化，提升安全性和舒适度。
Haoyang Fan, Fan Zhu, Changchun 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
本文提出了SPL指标，统一化导航任务评估，促进三维环境中的智能体研究。
Peter Anderson, Angel Chang, Devendra Singh Chaplot 等
提出Parallel Restarted SGD（PR-SGD），在非凸深度学习中实现线性加速与显著通信减免。
Hao Yu, Sen Yang, Shenghuo Zhu
提出对抗性正则化机制，确保深度学习模型的成员隐私，利用博弈优化减少成员推断风险。
Milad Nasr, Reza Shokri, Amir Houmansadr
ANN-Benchmarks通过标准化评测，比较多种近似k-NN算法性能，支持多数据集和指标。
Martin Aumüller, Erik Bernhardsson, Alexander Faithfull
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
综述高斯过程与核方法的联系，揭示其在回归、样本路径和依赖测度中的等价性。
Motonobu Kanagawa, Philipp Hennig, Dino Sejdinovic 等
提出MAPO，通过记忆缓冲提升程序合成和语义解析中的策略梯度效率，准确率提升2.6%。
Chen Liang, Mohammad Norouzi, Jonathan Berant 等
基于突触时序依赖可塑性的SNN控制机器人实现自主导航。
Guangzhi Tang, Konstantinos P. Michmizos