本文探讨了简单模型在无监督相似性任务中的优势，提出了一种通过最佳表示空间优化深度复发模型的方法。研究表明，等周损失和预训练深度神经网络能够提升零样本学习性能。此外，提出了新的优化方法以发现语义对应关系，并通过几何归纳偏差提高模型的解释性和泛化性。实验验证了不同模型间的表示转化能力，展示了在多模态设置下的优异分类性能。

本研究提出了一种多图像匹配方法，通过稀疏特征匹配和低秩约束来估计图像间的语义对应关系。该方法在多图匹配和语义流基准测试中表现优异，适用于重建对象类模型和发现对象类地标。

本文介绍了一种通过无监督学习方法来估计语义对应关系的新方法，并在多个数据集上进行了评估。该方法在语义匹配任务中取得了显着更好的性能。