本文提出了一种自监督学习方案，以提高无人机在无GPS环境中的自我运动估计能力。通过改进遮挡处理方法，显著提升了无人机在高速飞行和接近障碍物时的视觉识别准确性，增强了实际应用表现。

本研究提出MASSeg模型，解决复杂视频物体分割中的小物体识别、遮挡处理和动态场景建模问题，利用MOSE+数据集和数据增强策略显著提升模型性能。

本研究提出了多种新颖的多目标跟踪方法，包括基于运动模型的跟踪器、贝叶斯框架和通用视角匹配框架，显著提升了跟踪性能，尤其在遮挡和非线性运动处理方面表现优越。实验结果显示，这些方法在多个基准数据集上取得了先进效果。

本文提出了一种名为Worldsheet的方法，利用单一RGB图像进行新视角综合。该方法通过可学习的中间深度生成逼真的3D视角，无需3D监督，并在多个数据集上超越现有技术，能够有效处理遮挡，生成可导航的3D弹出窗口。

本文介绍了一种基于无监督学习的多视图深度图像学习方法，强调多视图深度一致性以增强遮挡处理的鲁棒性。研究提出了GC-MVSNet和BlendedMVS等新方法和数据集，旨在提高深度预测的准确性和模型的泛化能力。实验结果表明，这些方法在多个基准数据集上表现优异。

本文介绍了多种基于 Transformer 的 3D 人体姿态估计方法，如 PostoMETRO、HMR、TokenPose 和 GTRS。这些方法通过优化模型结构和参数，提高了在单张图像中恢复人体网格的准确性，尤其在遮挡情况下表现优异。此外，PoseGPT 利用大型语言模型进行 3D 姿态理解和推理，开创了新的姿态分析方向。