本研究提出了一种名为HUPE的启发式可逆网络，旨在解决水下图像因光折射和吸收导致的可视性降低问题。HUPE通过可逆变换与傅里叶变换实现水下图像与清晰图像的双向映射，并引入语义协同学习模块，显著提升视觉质量和特征提取能力。实验结果表明，HUPE的增强效果优于现有方法。

该文综述神经网络训练中的内存与梯度计算问题，涵盖自动微分、前向梯度、无雅可比反向传播、可逆网络、隐式模型及超参数优化等方法，旨在降低内存占用、加速训练并保持收敛性能，应用于物理信息网络、深度算子网络和MRI重建等任务。

DUAL-GLOW是一种新的框架，使用基于流的生成模型从MRI数据中生成PET图像。该框架依赖于两个可逆网络和一个关系网络，能够在小样本大小的情况下表现出色，并且支持可用的“side”信息。在ADNI数据集上进行实验，合成PET图像表现出色，从年龄方面控制的PET生成效果也很好。