本研究提出了AC-IND方法，解决了稀疏视角CT重建中的伪影问题，并实现了更高质量的CT重建。该方法将神经表示转换为概率分布映射，并结合了材料种类的先验信息。实验结果表明，该方法优于传统方法，能够自动生成语义分割图。

本文提出了一种名为SLCNet的新型受监督的长程关联方法，用于土地覆盖分类。该方法在地物遥感图像上的表现优于当前使用的非监督策略。SLCNet通过使用地面真实语义分割图中的类别一致性信息进行监督，使属于同一类别的像素高度相关而具有不同类别的像素不相关，从而产生了更一致的重校准特征。为了提高分割准确性，SLCNet采用了多尺度边输出监督和混合损失函数作为局部和全局约束。实验证明，SLCNet在所有数据集上都实现了最先进的性能。