本研究结合常识推理模型与图像数据，以提升自动驾驶系统的推理能力，重点在于提高推理准确性，增强系统的可调性、可解释性和伦理性，推动自动驾驶技术的发展。

本研究提出了一种视觉语言模型对话游戏，通过自我对弈生成高质量的图像和文本数据，解决了训练数据不足的问题，显著提升了下游任务的性能，具有广泛的应用潜力。

本研究提出了一种新方法，通过3D高斯散射从图像数据中恢复可修改的3D几何和外观表示，提升了现有方法的可用性和视觉保真度。

MTFusion是一种新方法，通过结合图像数据和详细文本描述，从单张图像重建高保真度的3D模型，尤其在表面细节方面表现优越。

本研究提出了一种基于轻量卷积神经网络的自动化分类与压缩系统，能高效识别和优化重要图像数据。该系统在星域数据集上实现了接近100%的分类准确率和理想的压缩比，有望提升卫星数据传输效率。

本文介绍了深度学习中的可解释人工智能技术（XAI），包括分类法、方法学、范畴和应用层次等。通过对图像数据进行评估，讨论了可解释人工智能算法的局限性，并提出了未来改进的潜在方向。

智能数字孪生系统（SDTs）通过同化图像数据观察和学习系统行为，提高复杂系统性能优化。文章讨论了基于图像的SDTs方法、挑战和未来方向，包括数据采集、处理、解释、生成模型、多模态DL模型和与其他技术的融合。这将使得数字孪生系统在广泛领域得到更广泛应用，并提高复杂系统行为的复制、预测和优化能力。

本文介绍了基于状态空间架构构建扩散模型的新探索，通过训练扩散模型用于图像数据，使用状态空间骨干替代传统的 U-Net 骨干，处理原始补丁或潜在空间的图像。通过对 DiS 的评估，发现 DiS 在与同等大小的基于 CNN 或变压器的 U-Net 架构相比具有可比甚至更好的性能。此外，通过增加深度/宽度或增加输入令牌的方式获得更高 Gflops 的 DiS 模型，始终表现出更低的 FID。在潜在空间中，DiS-H/2 模型在 256x256 和 512x512 分辨率下，达到了类条件 ImageNet 基准的性能水平，并显著减轻了计算负担。

该文章介绍了一种新的药物发现方法，利用图像数据和分子表示学习跨模态表示。作者提出了两种创新的损失函数 EMM 和 IMM，并通过在跨模态检索上对比已知基准线，证明了该方法的有效性。此外，作者还提出了用于 JUMP-CP 数据集的预处理方法，将所需空间从 85Tb 缩减到可用的 7Tb。

北京清华大学研发ACCEL芯片，用于光学模拟处理图像数据，速度和能耗优于英伟达A100电路。ACCEL电路中99%的图像处理在光学系统中进行，通过处理光子减少了能量需求和转换次数，提高了系统运行速度。但该技术仅适用于简单的图像识别应用，需要进一步扩展。

本文介绍了深度学习架构transformers，它被广泛应用于自然语言处理和生成AI产品。文章详细介绍了自注意机制的数学原理、原始transformer架构的描述，以及在天文学中应用于时间序列和图像数据的部分。此外，还提供了常见问题解答部分。

本文介绍了一个使用计算代数和黎曼几何工具来分析多视角几何中最小问题的数值条件的通用框架。该方法可以评估条件数，去除离群值，并选择具有良好条件的图像数据。

本文介绍了一种将图像和LiDAR数据融合的方法，提高了模型的长距离检测能力，并扩展了3D语义分割功能。该方法在大型基准数据集上实现了最先进的性能，同时保持低运行时间。