本文介绍了一种基于感知模型的图像压缩优化框架，利用代理网络ProxIQA在降低比特率的同时保持图像质量。研究表明，结合扩散模型和神经编码器可以实现高效的感知质量压缩，尤其在超低比特率下表现优越，超越传统编解码器。这一方法为开发语义感知和高效编码的神经编码器提供了重要参考。

本研究提出了鸟瞰视角感知模型的独立功能模块评估框架（BEV-IFME），旨在解决自主驾驶感知模型内部机制不透明的问题。该框架通过比较功能模块特征图与真实值的相似度，量化评估模块训练成熟度，结果显示与BEV指标高度正相关，验证了评估的可靠性。

本研究提出了一种新框架，结合物理模拟器和生成模型，自动生成细粒度街景图像。引入BEVControl两阶段生成方法，显著提升前景分割质量，并通过多级评估协议进行比较。实验结果表明，该方法生成的图像可提高下游感知模型的性能。

该研究提出了一种名为BEVControl的两阶段生成方法，用于提升自动驾驶系统中合成图像的质量。该方法能够生成准确的前景和背景内容，并支持手绘风格的输入。通过实验证明BEVControl在前景分割上比现有方法有显著提升，并证明使用BEVControl生成的图像来训练感知模型能够提高平均NDS分数。

该研究提出了一种名为BEVControl的手绘风格图像生成方法，可以生成准确的前景和背景内容。通过全面的评估，该方法在前景分割上比现有方法有显着提升。使用BEVControl生成的图像来训练下游感知模型，平均NDS分数提高了1.29。

通过结合感知模型和符号知识库，神经符号混合系统在整合机器学习和符号推理方面具有潜力。本文研究了知识库解决可学性问题，并提出了有效的标准。实验证实了标准在基准任务上的实用性。