本研究提出DenseVLM框架，旨在解决预训练视觉语言模型在密集预测任务中的不足，通过无监督区域语言对齐技术克服前景偏差，从而显著提升目标检测和图像分割的性能。

本研究提出了UniHOI模型，旨在解决自我中心手物体交互视频中的密集点云序列重建问题。该模型通过大规模单目视频数据集进行训练，克服了标记数据稀缺的限制，显著提升了点云重建和三维场景流恢复的效果。

本文介绍了两种动态滤波方法（DMNR和DMNR-H），通过准确分析WADS和DENSE数据集上的杂点和干净点的位置和强度，提高了在恶劣气候条件下检测系统的性能。这两种方法优于传统的无监督方法，稍胜于基于深度学习的监督方法，并且对于不同的LiDAR传感器和飞行物（如雪和雾）更为鲁棒。