本研究提出了一种新方法Point2RBox-v2，旨在解决基于点标注的定向物体检测问题，重点关注实例间的空间布局。该方法在密集场景中表现优异，精度分别为62.61%、86.15%和34.71%。

基于扩散模型的个性化文本到图像合成研究聚焦于360度全景定制，提出通过图像-文本配对数据集进行模型微调。实验结果表明，该模型与StitchDiffusion结合后，能够有效生成高质量全景图像，并在未见场景中展现出良好的泛化能力。

该研究提出了一种生成式设计框架，利用物理启发的参数模型和进化优化元启发式算法，在方案设计阶段生成多样的设计建议，适用于复杂的设计问题。

该研究提出了一种从大规模预训练视觉模型中提取空间布局和语义分割的方法。通过分析神经网络激活中的分组信息，无需猜测模型的哪个部分包含相关信息。通过优化目标在各个层中的特征比较得到一组亲和矩阵，解决了这一优化问题。结果表明，关键字和查询向量根据空间接近度协调关注信息流，而值向量则用于完善语义类别表示。