本文介绍了多种基于对象中心的学习方法，包括交互学习物体特征、深度变分自编码器FusionVAE和无监督3D场景表示学习。这些方法通过改进模型架构和算法，提升了视觉目标识别、分类准确性和动态预测能力，并在不同数据集上展示了优越性能。

本研究介绍了一个用于无监督异常检测的综合3D数据集，涵盖多种物品类别及其瑕疵。提出了基于深度变分自编码器的异常检测框架和自我监督的迭代掩蔽重建网络，均在多个数据集上表现优异。此外，研究探讨了结合点云和RGB图像的多模态异常检测方法，提出了PointCore框架以降低计算复杂性，推动3D点云数据在制造零件表面质量检测中的应用。