本研究提出了一种显式编码几何结构的状态空间模型，旨在解决稀疏和非结构化几何数据处理的挑战。STREAM在点云分类和事件驱动视觉任务中表现出色，在DVS128手势数据集上达到了100%的测试精度。

本研究提出了多视图视觉提示融合网络（MvNet），旨在提高零样本三维形状识别的分类准确性。通过利用现成的2D预训练模型，达到了3D点云分类的最新性能。此外，研究还探讨了少样本物体检测、视角估计和3D重建等方法，并在多个数据集上展示了优越表现。

本文提出了一种新型卷积算子，增强了旋转不变性，提升了点云分类、分割和形状检索的精度。通过设计旋转不变特征，结合现有CNN模型，优化了图像分类任务的表现，适用于生物医学和天文学等领域。

本文提出了一种新型的零样本建筑属性提取工作流程，利用大规模视觉和语言模型减少对人工注释的依赖，提升性能和适应性。同时，研究了点云分类的挑战，利用GPT-4V实现零样本识别，设定新基准。此外，介绍了多标签人脸年龄估计和基于生成对抗网络的面部年龄进化方法，均取得了优越的效果。