本文提出了一种无监督学习框架，能够将图像分解为自动发现的对象模型层，包括可学习的对象原型和图像形成模型。研究验证了该方法在多个数据集上的有效性，并展示了在动态场景中提取持久元素的能力，从而提升视频编辑的效率和准确性。

该文章介绍了一种新的极化图像消除反射的方法，解决了现有方法中反射区域与无反射区域不对齐的问题。该方法采用双阶段架构的极化反射消除模型和新的感知NCC损失，提高了反射消除和图像分解任务的性能。经实验证明，该方法优于现有的反射消除方法。

该文介绍了一种新颖的自监督式FSS框架，用于解决图像分解问题。该方法通过特征亲和力矩阵的特征向量分析来估计感兴趣对象的分布，并利用从支持图像获得的特征向量自适应地估计查询掩码，从而消除了手动注释的需求。同时，引入了多尺度大卷积核注意力模块，提高了对支持图像提供的信息进行查询图像解码的能力。实验结果表明，该方法在自然和医学图像数据集上具有高效性和有效性。