本研究提出了一种新的语义引导全局-局部协作网络(SGGLC-Net)，旨在解决单幅图像超分辨率中的模糊与细节丢失问题。通过引入语义指导和全局-局部协作模块，该方法显著提升了图像细节质量，实验结果表明其在多个基准数据集上优于现有轻量级超分辨率方法。

本研究针对资源有限的多视角系统，提出了一种高效的分布式检测与跟踪方法。通过结合预训练分割模型和语义引导遮掩策略，减少数据传输，同时保持视觉信息完整。实验显示，该方法在高遮掩情况下仍能达到先进水平。

本文提出了一种新的语义引导的多级对比方案以及邻域一致性感知单元（SMC-NCA），用于提取半监督动作分割的强帧级表示。该方法在三个基准测试中的编辑距离和准确度上表现优于其他最先进的方法，分别提升了17.8%和12.6%。此外，在仅有5%标记视频的情况下，该方法在分割性能方面也取得了显著的改进，并在帕金森病小鼠行为数据集上展示了有效性。