本研究提出了SpikeVideoFormer，一种高效的脉冲驱动视频变换器，采用汉明注意力和线性时间复杂度。该模型在视频分类、人类姿态跟踪和语义分割等任务中表现优越，显著提升了脉冲神经网络的能效和性能。

Meta的NeuralFeels技术使机械手能够自学操作未知物体，精度提升94%。该技术结合触觉与视觉，克服了传统训练对视觉的依赖，显著提高了物体重建和姿态跟踪的准确性，尤其在复杂环境中表现突出。

本研究提出了一种自监督学习方法，通过未标记的视频学习视觉对应关系，并利用循环一致性识别动态对象。实验结果表明，该方法在视频对象传播和姿态跟踪任务上优于全监督算法，并结合语义模型提升了视觉关系检测性能。

本文介绍了一种紧凑的3D高斯喷洒表示方法，优化了场景重建和渲染效率，显著降低了内存消耗。通过自适应扩张策略和高效的姿态跟踪，提升了SLAM系统的准确性和实时性。研究表明，该方法在多个数据集上表现优异，具有广泛的应用潜力。