本研究提出了一种新颖的多重图嵌入方法，结合层次维度嵌入与超球图神经网络，有效解决高维多重图的几何失真问题，显著提升下游任务的性能。

本研究提出了一种新颖的稳定图像生成算法，旨在消除大气湍流引起的几何失真。通过变分公式和Bregman迭代方法，分析了正则化项选择对模型的影响。

本研究提出了PSHuman框架，通过跨尺度扩散模型解决从单一RGB图像进行全身重建时的几何失真和服装复杂性问题。该方法显著提升了重建质量，保持了细节和身份特征，展现出在几何细节、纹理真实感和泛化能力上的优势。

本研究探索了现代可变形卷积神经网络在自动驾驶场景中使用鱼眼图像的语义分割任务中的有效性。实验评估了可变形网络捕捉复杂空间关系并提高分割准确性的能力。结果表明，集成可变形CNNs在处理鱼眼图像中的几何失真方面有效，并超过传统CNN架构的性能。

该研究提出了一个新的弱监督框架，使用自注意力模块生成领域不可知的表示，预测湍流图像中的几何失真并提高画廊匹配准确度。该方法无需生成无湍流的图像或真实配对的图像，只需少量注释样本，提高了数据集的实用性和迅速性。