近十年来，计算机视觉在微创手术中的应用迅速增加。本研究调查了自我监督学习（SSL）中数据集多样性在手术计算机视觉中的作用，并比较了特定手术数据集与更多样化的一般手术数据集在三个不同的下游手术应用中的性能表现。研究结果表明，使用更多样化的手术数据进一步提高了性能，增加 SSL 数据的多样性有助于模型性能。

本论文提出了一种新的框架和优化策略，通过混合适配器从全局视图中提取上下文信息，并引入可学习的查询嵌入来减少图像标记，同时通过相似性选择器选择用户问题的关键标记，实现更好的性能表现。此外，通过交替训练的方式平衡学习全局和局部方面，并引入高要求图像细节的数据集来增强局部压缩层的训练，提出的方法在各项基准测试中表现出优异性能。

该研究提出了一种新的视频分类和定位方法，使用弱监督学习从视频级标签中定位对象，并通过使用伪标签进行训练来提高定位准确性。实验结果表明，该方法在YouTube-Objects无约束视频数据集上取得了最佳分类和定位的性能表现。

本文研究了基于特征的深度聚类方法在大规模基准数据集上的性能和数据相关因素的影响。实验结果显示，深度聚类方法在大多数数据集上优于传统的k-means方法，并发现非主要聚类预测能够捕获有意义的类别。

本研究提出了一种适应场景的稀疏Transformer模型，通过优化计算效率和性能表现，实现了对重要物体的集中关注和动态稀疏程度的优化，从而在性能和效率上超过密集网络和其他稀疏网络。

本文介绍了一种新的口语会话问答任务（SCQA），通过跨模态信息融合实现语音和语言模态的细粒度表示，取得了卓越的性能表现。

本文是少数派 × 骁龙骁友会「先享体验计划」第一期众测的入围文章之一，作者使用了小米14 Pro一个月，并对其外观设计、性能表现和相机表现进行了评价。总体而言，小米14 Pro是一款功能全面的旗舰手机，适合预算在四五千的用户。

本文提出了一种新的口语会话问答任务（SCQA），通过跨模态信息融合和双向关注机制实现语音和语言模态的细粒度表示，实验证明了该方法在口语会话问答任务中具有卓越的性能表现。

本研究提出了一种新型的注意力图神经网络，通过三重注意力机制处理GNN深度学习中的问题，提升了小样本学习任务的性能。在mini-ImageNet和tiered-ImageNet数据集上取得了令人满意的结果。

该研究提出了一种新的连续学习方法，解决了人工神经网络在学习新任务时会快速遗忘以前学到的任务的问题，并在不同场景下实现了优异的性能表现。

该文介绍了一种基于学习的知识表示方法——潜在的组合语义嵌入z*，并证明了它可以通过梯度下降的迭代优化被发现。实验证明，z*能够表示多达100个语义的高维嵌入，并在COCO-Stuff数据集上表现出优异的性能。

本文介绍了一种名为Vision Transformers (ViTs)的模型，使用自我监督学习(SSAT)作为辅助任务与主任务同时进行联合优化，以在有限的数据量下取得更好的性能表现。实验证明了SSAT的显著性提升并减少了碳足迹，同时在视频领域的Deepfake检测上也验证了其普遍适用性。

本文介绍了vivo在大数据元数据服务横向扩展方案上的探索历程，选择TiDB方案替代原MySQL存储引擎，TiDB方案在性能表现、水平扩展、运维复杂度及机器成本上都优于Waggle Dance方案。作者分享了整个扩展方案流程、实施遇到的问题及解决方案，以及在使用TiDB过程中遇到的一些问题及解决方案。最后，作者总结了使用TiDB的经验，并表示将持续关注行业内的变动，吸收更多优秀经验应用到生产环境中来。

锦礼平台为企业级B2B2C电商平台，商品可见不可售问题通过数据二次过滤方案解决，性能表现良好。

本文提出了一种基于野外混合数据的新颖框架，用于改进机器学习模型的OOD检测能力。该框架通过设定学习目标，有效地解决了这个问题，并在常见的OOD检测任务中表现出优异的性能。

本文介绍了基于Transformer和调制的情感识别和分析解决方案，使用大量数据集进行评估和验证，性能表现强大。

本文介绍了基于双解码器注意力网络的新型架构DDANet，经过Kvasir-SEG数据集训练并在未见数据集上测试，达到了很好的性能表现，证明了模型的泛化能力。Dice系数为0.7874，mIoU为0.7010，召回率为0.7987，精度为0.8577。

本研究比较了三种移动机器人定位模式：SLAM、带先验地图的SLAM和带先验地图的定位。实验表明，带先验地图的SLAM在地图扰动下性能表现更好。

微软游戏业务CEO Phil Spencer表示，微软与索尼签署了为期10年的《使命召唤》游戏合约。此前索尼对此持抵制态度，担心微软会故意降低游戏在索尼平台上的性能表现。