本研究提出了HiRes-FusedMIM模型，旨在解决自监督学习模型在建筑级遥感分析中未充分利用高分辨率数字地表模型（DSM）信息的问题。该模型通过双编码器架构和多目标损失函数，有效结合RGB与DSM数据，显著提升建筑相关任务的性能，尤其在分类、语义分割和实例分割方面表现突出。

老年人跌倒是全球范围内导致伤害和死亡的重要原因。本文提出了一种新的多目标损失函数，用于改进跌倒检测。该方法在多相机模态数据集上进行了评估，具备提高异常检测能力的潜力。

本文提出了一种名为时间位移的多目标损失函数，用于跌倒检测。该方法在多相机模态下的数据集上取得了显著的改进，具备提高异常检测能力的潜力。

该文介绍了一种名为 EOSL 的新型多目标损失函数，旨在解决平衡语义信息丢失和能量消耗的挑战。基于 EOSL 的编码器模型选择，能够实现90%的能量节省和44%的语义相似性性能提升，为能源高效的神经网络选择和绿色的语义通信架构发展铺平了道路。