本文提出了一种基于网格的学习框架，用于捕捉三维重构中的细粒度几何信息。该方法通过自由形变和稀疏线性组合重建三维物体，避免依赖轮廓和标记。实验结果表明，该方法在几何处理效率和非刚性形状一致性估算方面具有竞争优势，适用于多个领域。

最近的研究发现，语言模型中的激活可以通过稀疏线性组合来建模。研究者开发了度量方法来评估这些稀疏编码技术的成功，并测试了线性和稀疏假设的有效性。研究结果显示，语言模型的激活可以准确地被特征的稀疏线性组合所建模，且模型的激活在第一层和最后一层似乎是最稀疏的。