本文介绍了利用RANSAC算法从基于LFSR的流密码中恢复128位初始状态。通过分析非线性项的噪声影响，构建LPN模型，成功恢复密钥并验证，准确率达到93.854%，实现100%复现。

本研究提出了一种模块化的非深度学习方法，解决图像匹配中的稀疏对应关系过滤问题。该方法通过局部单应性变换和迭代RANSAC，在无相机内参的情况下，表现优于或与深度学习方法相当。

本研究探讨了杆类地标在视觉定位中的应用，提出了杆类地图匹配和属性匹配两个模块，并采用RANSAC方法以平衡计算效率与精度。实验结果表明，杆类地标分类显著提升了视觉定位系统的性能。

该论文提出了几种相机标定和相对位姿估计的方法，采用基于几何约束的损失函数和RANSAC框架的优化策略。研究表明，这些方法在合成和实际数据集上均优于现有模型，有效解决几何优化问题并提高估计精度。

该文介绍了一种新的无监督学习框架，能够从高维数据中进行学习。该模型在生物视觉数据、神经记录以及基因表达数据上得到了有效的评估，并且相比于其他无监督学习方法，能够更好地学习到有意义的表示。

本文介绍了一个使用计算代数和黎曼几何工具来分析多视角几何中最小问题的数值条件的通用框架。该方法可以评估条件数，去除离群值，并选择具有良好条件的图像数据。