本文介绍了多种相机重定位技术，包括基于局部信息的全局重定位、无地图重定位、物体识别和多模态数据关联等。这些技术在复杂环境中提升了定位准确性和效率，尤其在动态场景和室内重定位方面取得了显著进展。

本文提出了一种新的度量方法和ACM框架，用于从多样化的节点异质性情况中提取更丰富的局部信息。ACM-augmented基线在基准节点分类任务中实现了显着的性能提升，超过大多数最新的GNN，而不会带来显着的计算负担。

本文提出了一种全卷积网络用于迭代非盲去卷积，能够学习自适应的图像先验，保持局部和全局信息。经评估表明，该方法在质量和速度方面表现优异，可胜任同类算法。