本文介绍了Patch-NetVLAD方法，通过结合局部和全局描述符，从NetVLAD中提取局部特征，实现特征空间网格上的深度学习。该方法能有效聚合和匹配特征，进行多尺度融合，提升视觉地点识别的稳定性和效率，增强SLAM系统性能。

该文介绍了一种基于重建的方法，用于检测工业质量检测中的异常。该方法利用多尺度融合和残差注意力模块实现端到端的异常检测和定位，在 MPDD 和 VisA 数据集上取得了比最新方法更有竞争力的结果，并在 MPDD 数据集上创造了新的最新标准。