本研究提出了一种新颖的自回归变换（ART）方法，有效解决了图像对齐在特征稀疏、极端尺度和大变形下的不足，实验结果表明ART在复杂条件下表现优异。

本文提出了一种基于能量的物理信息神经网络（PINNs）框架，用于解决大变形下的无摩擦接触问题。该框架利用Lennard-Jones势能模拟接触现象，并结合多种技术提高鲁棒性，研究表明其在复杂接触问题上的计算效率可与商业有限元软件相媲美。

本文提出了一种新型无监督学习方法，用于非刚性3D形状匹配。通过改进深度功能映射，建立鲁棒的对应关系，有效解决大变形和噪声问题。实验结果表明，该方法在多个挑战性数据集上优于现有技术。