本文提出了一种新颖的注视估计框架DMAGaze，旨在减少面部图像中复杂信息对注视估计的干扰。通过引入解耦器和多尺度注意力模块，该方法有效提取相关特征，提高了估计精度，并在公开数据集上取得了优异表现。

该文综述视觉地点识别（VPR）的多项研究进展：提出多传感器融合与动态序列匹配方法；基于视觉重叠重新定义VPR；无需训练即可预测定位质量并偏置序列匹配；分析图像分辨率对手工VPR流程的影响；发布含12个数据集和10种技术的开源评估框架VPR-Bench；利用多尺度注意力提升全局嵌入与分割精度；以通用特征和无监督聚合实现跨环境识别，性能提升约4倍；结合先验地图检测动态场景目标；提出深度-时间感知系统应对视角与外观变化；用SeqNet生成临时描述符改进匹配。