本研究提出了像素级视觉实体链接(PL-VEL)任务，旨在解决传统视觉实体链接(VEL)对文本输入的依赖。开发的MaskOVEN-Wiki数据集包含500万个标注，实验结果显示模型准确率提高了18个百分点，标注成功率达到94.8%。

该论文提出了一种基于贝叶斯深度学习的视网膜层分割和不确定性量化方法，实现了端对端分割和像素级的不确定性度量。通过不确定性地图，可以识别出错误分割的图像区域，用于下游分析。该方法在视网膜图像分割方面具有可比或更好的性能，并且更加稳健抗噪声。