本研究提出了一种关注不平衡的领域适应框架(IADA)，旨在解决医学影像中的领域偏移和类不平衡问题。通过自适应特征学习和领域对齐，显著提高了胚胎发育评估的准确性，实验结果显示准确率提高了25.19%。

本文提出了一种新的三维视觉定位方法，用于单视角RGBD图像。该方法通过融合语言和视觉特征生成热图来定位相关区域，并通过自适应特征学习和对象级匹配来最终定位被引用的对象。实验证明，该方法在ScanRefer和SUNRefer数据集上相比现有方法有较大的提升。

本文提出了一种新的方法，用于单视角RGBD图像的三维视觉定位。该方法通过融合语言和视觉特征生成热图来粗略定位相关区域，然后通过自适应特征学习和对象级匹配，结合另一种视觉语言融合来最终定位被引用的对象。实验证明，该方法在ScanRefer数据集和SUNRefer数据集上相比现有方法有较大的性能提升（分别提升11.2%和15.6%）。