浙江工业大学推出Distill-Any-Depth项目，通过蒸馏算法整合多个模型，仅需2万张无标签图像即可实现高精度的单目深度估计，显著降低数据标注成本，广泛应用于自动驾驶等领域。

本研究提出UADet框架，旨在解决开放集目标检测中的关键问题，能够在无标签图像中有效识别已知和未知对象，显著提升未知对象的召回率。

该研究提出了一种解决跨域 few-shot 分类问题的方法，通过让网络在训练阶段访问一小部分无标签图像，并使用跨层级知识蒸馏和特征去噪操作来提取更有区分度的特征。该方法在1-shot和5-shot分类任务上分别提升了5.44%和1.37%。