本文提出了一种在线学习框架RAC，通过检索增强分类实现目标检测器的在线适应，无需重新训练。该方法仅需少量标注数据，显著提升检测性能。RAC模块结合记忆库和上下文检索，有效匹配新概念，解决外观相似物体的分类混淆问题。

本文提出了一种自我监督的方法来生成多样且自然的人体动作，通过分解生成任务并使用记忆库检索动作引用作为短程片段生成的源材料，并通过参数化的双向插值方案保证了生成运动的物理合理性和视觉自然性。该方法在大规模的骨架数据集上展示了在生成长距离、多样化和合理化运动方面的能力，并且能够适应未见数据，在动态世界中生成的序列有实实在在的效果。

本文介绍了一种自我监督的方法来生成多样且自然的人体动作，通过分解生成任务并使用记忆库检索动作引用作为短程片段生成的源材料，通过参数化的双向插值方案保证了生成运动的物理合理性和视觉自然性。该方法在大规模的骨架数据集上展示了生成长距离、多样化和合理化运动的能力，并且能够适应未见数据，在动态世界中生成的序列效果显著。