从机器学习时代的数据白化预处理，到深度学习时代的BatchNorm、InstanceNorm、LayerNorm、RMSNorm等花样百出的Normalization方法，本质上都体现了我们对“...

本研究探讨了低各向同性对语义推理任务的负面影响，提出了一种改进的ZCA白化技术，以提高嵌入的各向同性水平。研究结果表明，软ZCA白化能够提升预训练代码语言模型的性能。

本研究解决了因技术限制导致的MRI扫描各向异性数据问题，影响了诊断准确性和体积分析。提出了一种新的方法SIMPLE，通过同时多平面自监督学习从各向异性数据中重建各向同性的高分辨率图像，显著提升了图像质量和临床诊断能力。实验结果显示，SIMPLE在量化和半量化评估中超过了现有的先进方法。

本文介绍了一种新的度量方法CRV，用于评估自我监督语音表示的属性。研究发现，CRV与语音测试精度呈正相关。

本文讨论了连续对抗防御的概念，并提出了一种名为Anisotropic & Isotropic Replay (AIR)的终生防御基线。实验结果显示，AIR能够接近或超过联合训练的性能上限。

该研究开发了一种新型的循环引导去噪扩散概率模型（CG-DDPM），用于跨模态MRI合成。该方法提升了多模态MRI合成的能力，提高了合成MRI的图像质量。有助于患者更精确的诊断和治疗规划。

pixelSplat是一个学习重建3D辐射场的前馈模型，具有实时和内存高效的渲染，可进行可扩展训练和快速3D重建。通过预测3D上的密集概率分布并从中采样高斯均值，克服了局部最小值问题。在基准测试中，pixelSplat在重建可解释和可编辑的3D辐射场方面表现优于现有光场转换器，并且渲染速度提高了2.5个数量级。

本文研究了双曲空间中的分层数据表示和双曲嵌入在高维度情况下的收敛性，以及其对少样本分类的影响。研究表明，最佳的少样本结果是通过在共同的双曲半径下得到的双曲嵌入得到的。

该文介绍了一种使用TSDF方法从RGB图像中实现三维重建和语义分割的方法，并在Scannet数据集上得到了超过基准结果的评估。