提出了一种由声音信号触发的物理对抗性贴片 TPatch，通过声物质注入攻击引入设计失真，实现隐藏、创造或改变攻击。通过伪装和增强方法，提出了避免引起怀疑并在真实世界中实用和强韧的方法。使用三种对象检测器和八种图像分类器对 TPatch 进行评估，证明其有效性。讨论了可能的防御方法。

本研究提出了一种准确的对象检测器，用于跨领域小样本目标检测。通过引入多个指标来量化域差异，并建立新的CD-FSOD基准，对开放式对象检测方法进行评估。实验证明，CD-ViTO在领域内外目标数据集上取得了令人印象深刻的结果。

DE-ViT是一种开放集对象检测器，使用DINOv2骨干网络进行学习，通过示例图像学习新的类别。通过二分类任务和新的区域传播技术来提高检测能力，在COCO和LVIS基准测试中超过了SoTA。

本文提出了一种通过图像-句子对学习的方法，用于提取图像中本地化对象及其关系的图形表示。该模型通过利用现有的对象检测器来识别和定位对象实例，并通过掩码标记预测任务来学习场景图。相较于使用人工注释的非定位场景图训练的最新方法，该模型获得了30％的相对增益。同时，在弱监督和全监督场景图生成方面，该模型也展现了出色的结果，并探究了用于检测场景图的开放词汇设置，并呈现了首个开放式场景图生成的结果。