该文综述半监督与弱监督语义分割方法，利用少量标注和大量无标签数据，通过伪标签、自训练、教师模型、主动学习及视觉-语言嵌入等技术降低标注成本，在PASCAL VOC、Cityscapes等数据集上达到最优性能并提升跨域泛化能力。

该文综述了无监督域自适应语义分割的多项研究，涵盖知识蒸馏、不确定性一致性正则化、原型对齐、对比学习、元学习矫正及预测传输正则化等方法，并在BraTS、Cityscapes等基准上验证了跨域泛化性能。

该文综述三维凝视估计研究进展，涵盖Gaze360数据集、弱监督眼部语义分割、基于LAEO标签的弱监督算法、单阶段多人脸注视估计、面部关键点回归、半监督对比学习、MPIIGaze数据集与GazeNet、多视角特征融合及多模态卷积神经网络等方法，显著降低角度误差并提升跨域泛化性能。

该文综述单张图像三维重建与生成，利用卷积网络、多视角几何、对抗训练和2.5D表示，从照片、草图或单视角图像恢复面部及物体三维形状，支持弱监督、少样本生成和新类别泛化，在极端表情、光照及跨域场景下表现良好。

该文综述深度估计领域自适应研究，涵盖元学习对抗训练、扩散模型测试时自适应、无监督立体视差微调、少样本特征约束、AdaDepth对抗对齐、注意力去噪、伪标签监督、硬件感知压缩、GASDA几何对称框架及跨模态稀疏到稠密学习等方法，旨在提升模型跨域泛化能力。

该文综述文学文本中引文归属与作者识别研究，涵盖人物识别、指代消解、说话人归属等子任务，评估深度学习与大语言模型在小说、剧本、转写语音中的表现，发现模型虽能捕捉写作风格，但角色身份维持和跨域泛化仍是挑战。

该文综述单目深度估计的自监督学习方法：以立体匹配网络为代理，从合成数据学习深度，并用预测视差图监督单目网络，结合多种迁移策略提升跨域泛化能力。相关研究包括反向循环优化、信息蒸馏、稀疏点共识、伪深度图与门限网络、学生-教师策略、Depth Hints 及双目对极约束等，在 KITTI 等数据集上达到领先水平。