本研究构建了NPN构式的语义标注数据集，发现BERT能够有效区分构式及其意义，表明其编码了超越表面句法的语义知识。

本文探讨了OpenStreetMap数据在地球观测图像语义标注中的应用，实验结果显示其显著提高了模型的精度和收敛速度。同时，提出了GlobalMapNet框架，结合众包和在线制图，解决了高清地图构建的高成本和低可扩展性问题，展现出良好的性能和潜力。

本文介绍了一种高效的三维RGBD点云分割算法，结合深度、颜色和时间信息，提升了分割效果并具备增量处理能力。提出的Depth-aware CNN方法和Point-GCC框架增强了几何信息的处理能力，改善了语义分割和图像上色的质量。RecolorCloud工具通过自动重着色解决颜色冲突，InterPCSeg框架实现了高质量的语义标注。

该文综述多模态遥感数据融合与语义标注研究，涵盖深度全卷积网络、多尺度方法及早后期融合，并比较目标检测方法与数据集；同时介绍多模态联邦学习、不确定性感知融合、自监督训练、不完整多模态学习及多模态图像融合等框架，实验验证其有效性。