该研究提出了一种新的自监督关键点径向投票型6DoF PE框架，通过学习核函数在高维特征空间中缩小仿真和真实领域之间的差距。该方法在多个数据集上获得了最先进的性能，并与全监督方法相媲美。

本文介绍了一种基于动态高斯先验的望注释视图的时间句子定位框架，通过减少标注成本并保持与全监督方法相竞争的性能。该框架通过深入研究关键词之间的关系，并使用Semantic Alignment Group Contrastive Learning模块和Dynamic Gaussian prior Adjustment模块来提高性能。