本研究提出了SIDSL框架，旨在解决图信息传播中的源定位问题，尤其是在数据有限的情况下。通过引入拓扑感知先验和条件去噪器，SIDSL在实际应用中表现优异，F1分数提高了7.5-13.3%。

本研究提出了一种结合注意力机制的层次强化学习与粒子滤波的方法，用于动态场中的源定位与表征。该方法有效解决了观测稀疏和噪声问题，通过贝叶斯推断和注意力增强的粒子滤波机制，实现了高效的信念更新，实验结果验证了其在准确性、适应性和计算效率方面的优势。

本文介绍了音频-视觉语音识别和源定位的新方法，包括半监督学习框架Dual Mean-Teacher（DMT）和弱监督音视频分割框架WS-AVS。这些方法通过生成高质量伪标签和多尺度对比学习，显著提升了识别和定位性能，解决了过拟合和定位不准确的问题。