本文探讨了图神经网络（GNN）与定性可解释图（QXG）在自动驾驶场景理解中的结合，提出了一种新颖的GNN架构，能够有效识别交通场景中的相关对象，实验结果表明其在对象识别任务中表现优异。

本研究提出了一种新颖的端到端学习方法，结合知识指导与领域优化，显著提升了细粒度遥感图像中的对象识别性能。

本文探讨了视觉变换器（ViTs）在子群体转变时的预测错误，并提出了一种基于超网络的定位-编辑方法，以提升ViTs在对象识别任务中的性能。

该研究提出了一种数据增强的少样本学习方法，使机器人能够根据自然语言指令识别和匹配新对象。评估结果显示，即使在训练时未见过所有对象，该方法在测试中仍优于现有技术。

本研究探讨了视觉语言模型（VLM）在理解物理世界方面的不足，并提出了改进VLM模型以编码对象状态的三大提升方向。通过构建ChangeIt-Frames数据集并评估多个开源VLM模型，发现这些模型在对象识别方面表现良好，但在区分对象物理状态上存在不足。该研究为未来研究提供了重要依据。

本研究探讨了卷积神经网络是否能模仿人类的完形闭合能力。研究发现VGG16和DenseNet-121模型展现了闭合效应，提升了对神经网络理解的透明度与比较性。

Meta AI 研究的 Segment Anything Model (SAM) 是一个广受认可的对象分割模型。为了将其应用扩展到视频，Meta 开发了 Segment Anything Model 2 (SAM2)，一个用于视频和图像分割的统一模型。然而，最近的一份报告表明，SAM2 在没有提示的情况下区分图像中的对象的能力低于 SAM。该报告鼓励对 SAM 模型系列进行进一步探索。

PartGLEE是一个基于部分级基础模型，用于在图像中定位和识别对象和部分。该方法在各种部分级任务上达到了最先进的性能，并在对象级任务上取得了竞争性的结果。PartGLEE显著增强了层次建模能力和部分级感知能力，超越了之前的GLEE模型。

研究发现，视觉变换器（ViTs）在对象识别任务上与新生小鸡的学习能力相媲美，不需要更多的训练数据。ViTs的基于注意力的学习机制足以推动动物样的对象识别的发展。