本研究提出了一种新方法，通过反转程序模型生成建筑几何结构，有效重建建筑特征，适用于游戏和动画领域，且准确性良好。

本研究提出了一种基于特征重建的分词器训练方法，利用预训练的图像理解模型显著提升了图像生成性能，特别是在ImageNet-1k上取得了4.10的FID值，推动了对图像分词器的进一步研究。

本研究提出了一种新的切换稀疏自编码器架构，旨在降低训练计算成本。通过“小型专家”激活矢量路由方法，显著改善了特征重建与稀疏性，确保特征可解释性与传统架构相当。

本文提出了一种无监督图补全学习（UGCL）框架，通过自监督学习改善GNN在具有特征和结构缺失的图上的任务性能。该方法通过分离特征重建和结构重建，并设计个性化模型来避免GNN消息传递中的不匹配。实验证明了该方法的有效性。