本研究提出了一种基于高斯混合模型的聚类方法，用于解决视频异常检测中的空间上下文建模问题。该方法有效减少了模型参数，并在街景数据集上取得了优异表现，同时生成了解释性正常性图。

本研究提出了ContextHOI框架，旨在提升人机交互（HOI）识别中的空间上下文利用。该框架通过双支路设计，高效提取物体特征和空间上下文，在HICO-DET和v-coco基准上实现了先进性能，增强了模糊或遮挡情况下的交互识别能力。

本研究提出了MegaCOIN数据集，以提升视觉语言模型在色彩感知和空间上下文理解方面的能力。经过微调，模型在视觉评估任务中表现显著改善，超越了GPT-4o等闭源模型。

本文探讨了手写文本识别（HTR）中的空间上下文自我监督学习方法，展示了其在该领域的应用和优化。实验结果表明，该方法在多个基准测试中推动了HTR的技术进展，并通过利用未标记数据解决了数据稀疏性问题，提升了系统性能。

该文综述空间上下文在深度学习中的应用，涵盖DSCLRCN提升显著性检测、方向感知注意网络改进阴影检测、SpaCoNet用于室内场景识别、ConST-CL学习视频表示、SCA-CNN增强图像描述、空间统计与深度聚类用于病理细胞分类，以及SCN减少标志物定位的数据需求。