来源：research/pytorch-learning-plan/downloads/研究文献索引.md · 原始 Markdown

研究文献索引

[szeliski] Computer Vision: Algorithms and Applications, 2nd edition

作者：Richard Szeliski

发表：2022 教材；首次公开：2022（第二版）；版本：第二版教材；作者网站可能更新勘误

原文：https://szeliski.org/Book/

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L03, L05, L07, L08, L09, L18, L29, L33, L34

• R01 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：模型改变的是任务、表示还是评价？

• R04 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：如何同时识别对象并保留空间位置？

• R07 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：时间信息通过什么假设参与预测？

• R16 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：观测几何如何约束场景表示？

• R17 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：观测几何如何约束场景表示？

• R18 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：观测几何如何约束场景表示？

[resnet] Deep Residual Learning for Image Recognition

作者：He, Kaiming; Zhang, Xiangyu; Ren, Shaoqing; Sun, Jian

发表：CVPR 2016；首次公开：2015/12/10；版本：1512.03385v1

原文：https://arxiv.org/abs/1512.03385

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L05, L07, L08, L09

• R01 经典：§3；图1、2、4；表1、2。阅读问题：模型改变的是任务、表示还是评价？

• R04 经典：§3、§4.1；图2、4；表2。阅读问题：如何同时识别对象并保留空间位置？

[vit] An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale

作者：Dosovitskiy, Alexey; Beyer, Lucas; Kolesnikov, Alexander; Weissenborn, Dirk; Zhai, Xiaohua; Unterthiner, Thomas; Dehghani, Mostafa; Minderer, Matthias; Heigold, Georg; Gelly, Sylvain; Uszkoreit, Jakob; Houlsby, Neil

发表：ICLR 2021；首次公开：2020/10/22；版本：2010.11929v2

原文：https://arxiv.org/abs/2010.11929

代码：https://github.com/google-research/vision_transformer

核验：2026-09-23；已打开作者仓库或作者项目页，核对论文标题与实现入口

先修：L02, L05, L07, L08, L09

• R01 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：模型改变的是任务、表示还是评价？

• R04 经典：§3、§4.3；图1、3、4。阅读问题：如何同时识别对象并保留空间位置？

[gan] Generative Adversarial Networks

作者：Goodfellow, Ian J.; Pouget-Abadie, Jean; Mirza, Mehdi; Xu, Bing; Warde-Farley, David; Ozair, Sherjil; Courville, Aaron; Bengio, Yoshua

发表：NeurIPS 2014；首次公开：2014/06/10；版本：1406.2661

原文：https://arxiv.org/abs/1406.2661

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L07, L09, L10, L13, L14, L15

• R01 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：模型改变的是任务、表示还是评价？

• R13 经典：§3–4；式1–2及图1–3。阅读问题：分布建模如何影响生成与可控性？

• R28 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：计算、比特与任务质量怎样取舍？

[nerf] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis

作者：Mildenhall, Ben; Srinivasan, Pratul P.; Tancik, Matthew; Barron, Jonathan T.; Ramamoorthi, Ravi; Ng, Ren

发表：ECCV 2020；首次公开：2020/03/19；版本：2003.08934

原文：https://arxiv.org/abs/2003.08934

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L03, L07, L09, L13, L29

• R01 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：模型改变的是任务、表示还是评价？

• R18 经典：§3–5；体渲染式、位置编码与新视角实验。阅读问题：观测几何如何约束场景表示？

• R20 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：空间表示与任务交互有什么关系？

[clip] Learning Transferable Visual Models From Natural Language Supervision

作者：Radford, Alec; Kim, Jong Wook; Hallacy, Chris; Ramesh, Aditya; Goh, Gabriel; Agarwal, Sandhini; Sastry, Girish; Askell, Amanda; Mishkin, Pamela; Clark, Jack; Krueger, Gretchen; Sutskever, Ilya

发表：ICML 2021；首次公开：2021/02/26；版本：2103.00020v1

原文：https://arxiv.org/abs/2103.00020

代码：https://github.com/openai/CLIP

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L05, L07, L09, L14, L15, L18, L29

• R01 近年代表：§2；图1；§3评价；§6局限。阅读问题：模型改变的是任务、表示还是评价？

• R29 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：计算、比特与任务质量怎样取舍？

• R31 经典：§2；图1；§3评价；§6局限。阅读问题：语言在什么阶段影响视觉表示？

• R32 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：语言在什么阶段影响视觉表示？

• R33 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：语言在什么阶段影响视觉表示？

[sam] Segment Anything

作者：Kirillov, Alexander; Mintun, Eric; Ravi, Nikhila; Mao, Hanzi; Rolland, Chloe; Gustafson, Laura; Xiao, Tete; Whitehead, Spencer; Berg, Alexander C.; Lo, Wan-Yen; Dollár, Piotr; Girshick, Ross

发表：ICCV 2023；首次公开：2023/04/05；版本：2304.02643

原文：https://arxiv.org/abs/2304.02643

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L07, L09, L10, L18, L29

• R01 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：模型改变的是任务、表示还是评价？

• R06 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：如何同时识别对象并保留空间位置？

• R33 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：语言在什么阶段影响视觉表示？

[ssl_survey] Self-supervised Learning: Generative or Contrastive

作者：Liu, Xiao; Zhang, Fanjin; Hou, Zhenyu; Wang, Zhaoyu; Mian, Li; Zhang, Jing; Tang, Jie

发表：IEEE TKDE；以所链接版本为准；首次公开：2020/06/15；版本：2006.08218

原文：https://arxiv.org/abs/2006.08218

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L05, L08, L14

• R02 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：模型改变的是任务、表示还是评价？

[simclr] A Simple Framework for Contrastive Learning of Visual Representations

作者：Chen, Ting; Kornblith, Simon; Norouzi, Mohammad; Hinton, Geoffrey

发表：ICML 2020；首次公开：2020/02/13；版本：2002.05709v3

原文：https://arxiv.org/abs/2002.05709

代码：https://github.com/google-research/simclr

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L05, L08, L14

• R02 经典：§2；§3.1；§4.2；图2、5、8；表3。阅读问题：模型改变的是任务、表示还是评价？

[moco] Momentum Contrast for Unsupervised Visual Representation Learning

作者：He, Kaiming; Fan, Haoqi; Wu, Yuxin; Xie, Saining; Girshick, Ross

发表：CVPR 2020；首次公开：2019/11/13；版本：1911.05722

原文：https://arxiv.org/abs/1911.05722

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L05, L08, L14

• R02 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：模型改变的是任务、表示还是评价？

[mae] Masked Autoencoders Are Scalable Vision Learners

作者：He, Kaiming; Chen, Xinlei; Xie, Saining; Li, Yanghao; Dollár, Piotr; Girshick, Ross

发表：CVPR 2022；首次公开：2021/11/11；版本：2111.06377v3

原文：https://arxiv.org/abs/2111.06377

代码：https://github.com/facebookresearch/mae

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L05, L08, L14, L18

• R02 经典：§3；图1；表1、3；§4。阅读问题：模型改变的是任务、表示还是评价？

• R35 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：领域采集和划分怎样影响结论？

[dinov2] DINOv2: Learning Robust Visual Features without Supervision

作者：Oquab, Maxime; Darcet, Timothée; Moutakanni, Théo; Vo, Huy; Szafraniec, Marc; Khalidov, Vasil; Fernandez, Pierre; Haziza, Daniel; Massa, Francisco; El-Nouby, Alaaeldin; Assran, Mahmoud; Ballas, Nicolas; Galuba, Wojciech; Howes, Russell; Huang, Po-Yao; Li, Shang-Wen; Misra, Ishan; Rabbat, Michael; Sharma, Vasu; Synnaeve, Gabriel; Xu, Hu; Jegou, Hervé; Mairal, Julien; Labatut, Patrick; Joulin, Armand; Bojanowski, Piotr

发表：TMLR 2024；首次公开：2023/04/14；版本：2304.07193

原文：https://arxiv.org/abs/2304.07193

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L05, L06, L07, L08, L14, L18, L23

• R02 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：模型改变的是任务、表示还是评价？

• R03 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：模型改变的是任务、表示还是评价？

• R04 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：如何同时识别对象并保留空间位置？

• R36 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：领域采集和划分怎样影响结论？

[cs231n] CS231n: Deep Learning for Computer Vision

作者：Stanford University

发表：作者课程；动态更新；首次公开：滚动更新课程，无法指定单一首发日期；版本：网站当前课程内容；章节定位以访问日为准

原文：https://cs231n.stanford.edu/

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L06, L08, L18, L23

• R03 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：模型改变的是任务、表示还是评价？

• R36 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：领域采集和划分怎样影响结论？

[calibration] On Calibration of Modern Neural Networks

作者：Guo, Chuan; Pleiss, Geoff; Sun, Yu; Weinberger, Kilian Q.

发表：ICML 2017；首次公开：2017/06/14；版本：1706.04599v2

原文：https://arxiv.org/abs/1706.04599

代码：https://github.com/gpleiss/temperature_scaling

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L06, L09, L18, L23

• R03 经典：§2；§4温度缩放；表1及结果。阅读问题：模型改变的是任务、表示还是评价？

• R34 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：领域采集和划分怎样影响结论？

[imagenet_c] Benchmarking Neural Network Robustness to Common Corruptions and Perturbations

作者：Hendrycks, Dan; Dietterich, Thomas

发表：ICLR 2019；首次公开：2019/03/28；版本：1903.12261v1

原文：https://arxiv.org/abs/1903.12261

代码：https://github.com/hendrycks/robustness

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L06, L08, L18, L23

• R03 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：模型改变的是任务、表示还是评价？

• R36 经典：§3基准；指标；§5；图1、3。阅读问题：领域采集和划分怎样影响结论？

[ensembles] Simple and Scalable Predictive Uncertainty Estimation using Deep Ensembles

作者：Lakshminarayanan, Balaji; Pritzel, Alexander; Blundell, Charles

发表：NeurIPS 2017；首次公开：2016/12/05；版本：1612.01474v3

原文：https://arxiv.org/abs/1612.01474

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L06, L08, L18, L23

• R03 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：模型改变的是任务、表示还是评价？

• R36 经典：§2.1–2.4；图1；§3.3–3.4；表1。阅读问题：领域采集和划分怎样影响结论？

[wilds] WILDS: A Benchmark of in-the-Wild Distribution Shifts

作者：Koh, Pang Wei; Sagawa, Shiori; Marklund, Henrik; Xie, Sang Michael; Zhang, Marvin; Balsubramani, Akshay; Hu, Weihua; Yasunaga, Michihiro; Phillips, Richard Lanas; Gao, Irena; Lee, Tony; David, Etienne; Stavness, Ian; Guo, Wei; Earnshaw, Berton A.; Haque, Imran S.; Beery, Sara; Leskovec, Jure; Kundaje, Anshul; Pierson, Emma; Levine, Sergey; Finn, Chelsea; Liang, Percy

发表：ICML 2021；首次公开：2020/12/14；版本：2012.07421v3

原文：https://arxiv.org/abs/2012.07421

代码：https://github.com/p-lambda/wilds

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L06, L08, L18, L23

• R03 近年代表：图1；构建原则；§4示例；表2；§6.1–6.2。阅读问题：模型改变的是任务、表示还是评价？

• R36 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：领域采集和划分怎样影响结论？

[convnext] A ConvNet for the 2020s

作者：Liu, Zhuang; Mao, Hanzi; Wu, Chao-Yuan; Feichtenhofer, Christoph; Darrell, Trevor; Xie, Saining

发表：CVPR 2022；首次公开：2022/01/10；版本：2201.03545

原文：https://arxiv.org/abs/2201.03545

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L05, L07, L08

• R04 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：如何同时识别对象并保留空间位置？

[det_survey] Object Detection in 20 Years: A Survey

作者：Zou, Zhengxia; Chen, Keyan; Shi, Zhenwei; Guo, Yuhong; Ye, Jieping

发表：Proceedings of the IEEE 2023；首次公开：2019/05/13；版本：1905.05055

原文：https://arxiv.org/abs/1905.05055

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L07, L08, L29

• R05 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：如何同时识别对象并保留空间位置？

[rcnn] Rich feature hierarchies for accurate object detection and semantic segmentation

作者：Girshick, Ross; Donahue, Jeff; Darrell, Trevor; Malik, Jitendra

发表：CVPR 2014；首次公开：2013/11/11；版本：1311.2524

原文：https://arxiv.org/abs/1311.2524

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L07, L08, L29

• R05 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：如何同时识别对象并保留空间位置？

[faster] Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

作者：Ren, Shaoqing; He, Kaiming; Girshick, Ross; Sun, Jian

发表：NeurIPS 2015；首次公开：2015/06/04；版本：1506.01497

原文：https://arxiv.org/abs/1506.01497

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L07, L08, L29

• R05 经典：§3.1；图2；§4消融。阅读问题：如何同时识别对象并保留空间位置？

[yolo] You Only Look Once: Unified, Real-Time Object Detection

作者：Redmon, Joseph; Divvala, Santosh; Girshick, Ross; Farhadi, Ali

发表：CVPR 2016；首次公开：2015/06/08；版本：1506.02640

原文：https://arxiv.org/abs/1506.02640

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L07, L08, L29

• R05 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：如何同时识别对象并保留空间位置？

[detr] End-to-End Object Detection with Transformers

作者：Carion, Nicolas; Massa, Francisco; Synnaeve, Gabriel; Usunier, Nicolas; Kirillov, Alexander; Zagoruyko, Sergey

发表：ECCV 2020；首次公开：2020/05/26；版本：2005.12872v3

原文：https://arxiv.org/abs/2005.12872

代码：https://github.com/facebookresearch/detr

核验：2026-09-23；已打开作者仓库或作者项目页，核对论文标题与实现入口

先修：L07, L08, L29

• R05 经典：§3.1–3.2；图1、2、4；§4。阅读问题：如何同时识别对象并保留空间位置？

[dino_det] DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection

作者：Zhang, Hao; Li, Feng; Liu, Shilong; Zhang, Lei; Su, Hang; Zhu, Jun; Ni, Lionel M.; Shum, Heung-Yeung

发表：ICLR 2023；首次公开：2022/03/07；版本：2203.03605

原文：https://arxiv.org/abs/2203.03605

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L07, L08, L29

• R05 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：如何同时识别对象并保留空间位置？

[seg_survey] Image Segmentation in Foundation Model Era: A Survey

作者：Zhou, Tianfei; Xia, Wang; Zhang, Fei; Chang, Boyu; Wang, Wenguan; Yuan, Ye; Konukoglu, Ender; Cremers, Daniel

发表：arXiv 综述；正式刊载信息见原站；首次公开：2024/08/23；版本：2408.12957

原文：https://arxiv.org/abs/2408.12957

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L07, L10, L29

• R06 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：如何同时识别对象并保留空间位置？

[fcn] Fully Convolutional Networks for Semantic Segmentation

作者：Long, Jonathan; Shelhamer, Evan; Darrell, Trevor

发表：CVPR 2015；首次公开：2014/11/14；版本：1411.4038

原文：https://arxiv.org/abs/1411.4038

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L07, L10, L29

• R06 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：如何同时识别对象并保留空间位置？

[unet] U-Net: Convolutional Networks for Biomedical Image Segmentation

作者：Ronneberger, Olaf; Fischer, Philipp; Brox, Thomas

发表：MICCAI 2015；首次公开：2015/05/18；版本：1505.04597v1

原文：https://arxiv.org/abs/1505.04597

代码：https://lmb.informatik.uni-freiburg.de/people/ronneber/u-net/

核验：2026-09-23；已打开作者仓库或作者项目页，核对论文标题与实现入口

先修：L06, L07, L09, L10, L18, L29

• R06 经典：§2–4；图1；权重图。阅读问题：如何同时识别对象并保留空间位置？

• R34 经典：图1、2；§2结构；§3训练；§4实验。阅读问题：领域采集和划分怎样影响结论？

[maskrcnn] Mask R-CNN

作者：He, Kaiming; Gkioxari, Georgia; Dollár, Piotr; Girshick, Ross

发表：ICCV 2017；首次公开：2017/03/20；版本：1703.06870

原文：https://arxiv.org/abs/1703.06870

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L07, L10, L18, L29

• R06 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：如何同时识别对象并保留空间位置？

• R33 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：语言在什么阶段影响视觉表示？

[mask2former] Masked-attention Mask Transformer for Universal Image Segmentation

作者：Cheng, Bowen; Misra, Ishan; Schwing, Alexander G.; Kirillov, Alexander; Girdhar, Rohit

发表：CVPR 2022；首次公开：2021/12/02；版本：2112.01527v3

原文：https://arxiv.org/abs/2112.01527

代码：https://bowenc0221.github.io/mask2former/

核验：2026-09-23；已打开作者仓库或作者项目页，核对论文标题与实现入口

先修：L07, L10, L29

• R06 经典：§3.1–3.3；图2；§4。阅读问题：如何同时识别对象并保留空间位置？

[sam2] SAM 2: Segment Anything in Images and Videos

作者：Ravi, Nikhila; Gabeur, Valentin; Hu, Yuan-Ting; Hu, Ronghang; Ryali, Chaitanya; Ma, Tengyu; Khedr, Haitham; Rädle, Roman; Rolland, Chloe; Gustafson, Laura; Mintun, Eric; Pan, Junting; Alwala, Kalyan Vasudev; Carion, Nicolas; Wu, Chao-Yuan; Girshick, Ross; Dollár, Piotr; Feichtenhofer, Christoph

发表：ICLR 2025；首次公开：2024/08/01；版本：2408.00714

原文：https://arxiv.org/abs/2408.00714

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L07, L10, L29, L34

• R06 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：如何同时识别对象并保留空间位置？

• R07 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：时间信息通过什么假设参与预测？

[flownet] FlowNet: Learning Optical Flow with Convolutional Networks

作者：Fischer, Philipp; Dosovitskiy, Alexey; Ilg, Eddy; Häusser, Philip; Hazırbaş, Caner; Golkov, Vladimir; van der Smagt, Patrick; Cremers, Daniel; Brox, Thomas

发表：ICCV 2015；首次公开：2015/04/26；版本：1504.06852

原文：https://arxiv.org/abs/1504.06852

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L07, L34

• R07 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：时间信息通过什么假设参与预测？

[raft] RAFT: Recurrent All-Pairs Field Transforms for Optical Flow

作者：Teed, Zachary; Deng, Jia

发表：ECCV 2020；首次公开：2020/03/26；版本：2003.12039v3

原文：https://arxiv.org/abs/2003.12039

代码：https://github.com/princeton-vl/RAFT

核验：2026-09-23；已打开作者仓库或作者项目页，核对论文标题与实现入口

先修：L02, L07, L34

• R07 经典：§3.1–3.4；图1–2；式1、7；§4。阅读问题：时间信息通过什么假设参与预测？

• R23 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：传感器测量中缺少了什么信息？

[sort] Simple Online and Realtime Tracking

作者：Bewley, Alex; Ge, Zongyuan; Ott, Lionel; Ramos, Fabio; Upcroft, Ben

发表：ICIP 2016；首次公开：2016/02/02；版本：1602.00763

原文：https://arxiv.org/abs/1602.00763

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L07, L34

• R07 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：时间信息通过什么假设参与预测？

[bytetrack] ByteTrack: Multi-Object Tracking by Associating Every Detection Box

作者：Zhang, Yifu; Sun, Peize; Jiang, Yi; Yu, Dongdong; Weng, Fucheng; Yuan, Zehuan; Luo, Ping; Liu, Wenyu; Wang, Xinggang

发表：ECCV 2022；首次公开：2021/10/13；版本：2110.06864v3

原文：https://arxiv.org/abs/2110.06864

代码：https://github.com/FoundationVision/ByteTrack

核验：2026-09-23；已打开作者仓库或作者项目页，核对论文标题与实现入口

先修：L02, L07, L34

• R07 经典：§3算法1；§4；表1–4；附录。阅读问题：时间信息通过什么假设参与预测？

[video_survey] Deep Learning Approaches for Human Action Recognition in Video Data

作者：Xie, Yufei

发表：arXiv 综述；首次公开：2024/03/11；版本：2403.06810

原文：https://arxiv.org/abs/2403.06810

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L07, L08, L18, L29, L34

• R08 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：时间信息通过什么假设参与预测？

• R09 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：时间信息通过什么假设参与预测？

[two_stream] Two-Stream Convolutional Networks for Action Recognition in Videos

作者：Simonyan, Karen; Zisserman, Andrew

发表：NeurIPS 2014；首次公开：2014/06/09；版本：1406.2199

原文：https://arxiv.org/abs/1406.2199

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L07, L08, L18, L29, L34

• R08 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：时间信息通过什么假设参与预测？

• R09 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：时间信息通过什么假设参与预测？

[i3d] Quo Vadis, Action Recognition? A New Model and the Kinetics Dataset

作者：Carreira, Joao; Zisserman, Andrew

发表：CVPR 2017；首次公开：2017/05/22；版本：1705.07750v3

原文：https://arxiv.org/abs/1705.07750

代码：https://github.com/google-deepmind/kinetics-i3d

核验：2026-09-23；已打开作者仓库或作者项目页，核对论文标题与实现入口

先修：L07, L08, L29

• R08 经典：§2.4；图3；§4–5；表1–5。阅读问题：时间信息通过什么假设参与预测？

[slowfast] SlowFast Networks for Video Recognition

作者：Feichtenhofer, Christoph; Fan, Haoqi; Malik, Jitendra; He, Kaiming

发表：ICCV 2019；首次公开：2018/12/10；版本：1812.03982

原文：https://arxiv.org/abs/1812.03982

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L07, L08, L18, L29, L34

• R08 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：时间信息通过什么假设参与预测？

• R09 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：时间信息通过什么假设参与预测？

[videomae] VideoMAE: Masked Autoencoders are Data-Efficient Learners for Self-Supervised Video Pre-Training

作者：Tong, Zhan; Song, Yibing; Wang, Jue; Wang, Limin

发表：NeurIPS 2022；首次公开：2022/03/23；版本：2203.12602v3

原文：https://arxiv.org/abs/2203.12602

代码：https://github.com/MCG-NJU/VideoMAE

核验：2026-09-23；已打开作者仓库或作者项目页，核对论文标题与实现入口

先修：L07, L08, L29

• R08 经典：§3.2–3.3；图1–2；§4；表1–4。阅读问题：时间信息通过什么假设参与预测？

[videomae2] VideoMAE V2: Scaling Video Masked Autoencoders with Dual Masking

作者：Wang, Limin; Huang, Bingkun; Zhao, Zhiyu; Tong, Zhan; He, Yinan; Wang, Yi; Wang, Yali; Qiao, Yu

发表：CVPR 2023；首次公开：2023/03/29；版本：2303.16727

原文：https://arxiv.org/abs/2303.16727

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L07, L08, L18, L29, L34

• R08 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：时间信息通过什么假设参与预测？

• R09 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：时间信息通过什么假设参与预测？

[actionformer] ActionFormer: Localizing Moments of Actions with Transformers

作者：Zhang, Chenlin; Wu, Jianxin; Li, Yin

发表：ECCV 2022；首次公开：2022/02/16；版本：2202.07925v2

原文：https://arxiv.org/abs/2202.07925

代码：https://github.com/happyharrycn/actionformer_release

核验：2026-09-23；已打开作者仓库或作者项目页，核对论文标题与实现入口

先修：L18, L29, L34

• R09 经典：§3；图2；式2–7；§4。阅读问题：时间信息通过什么假设参与预测？

[internvideo2] InternVideo2: Scaling Foundation Models for Multimodal Video Understanding

作者：Wang, Yi; Li, Kunchang; Li, Xinhao; Yu, Jiashuo; He, Yinan; Wang, Chenting; Chen, Guo; Pei, Baoqi; Yan, Ziang; Zheng, Rongkun; Xu, Jilan; Wang, Zun; Shi, Yansong; Jiang, Tianxiang; Li, Songze; Zhang, Hongjie; Huang, Yifei; Qiao, Yu; Wang, Yali; Wang, Limin

发表：ECCV 2024；首次公开：2024/03/22；版本：2403.15377v4

原文：https://arxiv.org/abs/2403.15377

代码：https://github.com/OpenGVLab/InternVideo/tree/main/InternVideo2

核验：2026-09-23；已打开作者仓库或作者项目页，核对论文标题与实现入口

先修：L18, L29, L34

• R09 近年代表：§3；图2–3；§5.1.2、5.2.2、5.4。阅读问题：时间信息通过什么假设参与预测？

[m03_flash] VideoChat-Flash: Hierarchical Compression for Long-Context Video Modeling

作者：Xinhao Li et al.

发表：arXiv 预印本 2024；首次公开：2024；版本：2501.00574v1

原文：https://arxiv.org/abs/2501.00574

代码：未确认官方仓库

核验：2026-09-25；§3.1、图3、§4；层次压缩与评价协议。已访问原始资料；不作跨论文性能排名。

先修：L18, L29, L34

• R09 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：时间信息通过什么假设参与预测？

• M03 组会专题：§3.1、图3、§4；层次压缩与评价协议。阅读问题：这个方法作用在输入、表示、训练目标还是评价的哪一处？

[ir_survey] Taming Diffusion Models for Image Restoration: A Review

作者：Luo, Ziwei; Gustafsson, Fredrik K.; Zhao, Zheng; Sjölund, Jens; Schön, Thomas B.

发表：arXiv 综述；发表版本见原站；首次公开：2024/09/16；版本：2409.10353

原文：https://arxiv.org/abs/2409.10353

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L09, L10, L11, L18

• R10 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：退化与真实细节如何区分？

• R11 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：退化与真实细节如何区分？

[dncnn] Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising

作者：Zhang, Kai; Zuo, Wangmeng; Chen, Yunjin; Meng, Deyu; Zhang, Lei

发表：IEEE TIP 2017；首次公开：2016/08/13；版本：1608.03981v1

原文：https://arxiv.org/abs/1608.03981

代码：https://github.com/cszn/DnCNN

核验：2026-09-23；已打开作者仓库或作者项目页，核对论文标题与实现入口

先修：L09, L11, L13, L18

• R10 经典：§III、IV；图1–2；表II–V。阅读问题：退化与真实细节如何区分？

• R12 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：退化与真实细节如何区分？

[dip] Deep Image Prior

作者：Ulyanov, Dmitry; Vedaldi, Andrea; Lempitsky, Victor

发表：CVPR 2018；首次公开：2017/11/29；版本：1711.10925v4

原文：https://arxiv.org/abs/1711.10925

代码：https://github.com/DmitryUlyanov/deep-image-prior

核验：2026-09-23；已打开作者仓库或作者项目页，核对论文标题与实现入口

先修：L03, L09, L11, L13, L18

• R10 经典：§2、§3.1、§4；图2–4、6–7。阅读问题：退化与真实细节如何区分？

• R12 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：退化与真实细节如何区分？

• R22 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：传感器测量中缺少了什么信息？

[restormer] Restormer: Efficient Transformer for High-Resolution Image Restoration

作者：Zamir, Syed Waqas; Arora, Aditya; Khan, Salman; Hayat, Munawar; Khan, Fahad Shahbaz; Yang, Ming-Hsuan

发表：CVPR 2022；首次公开：2021/11/18；版本：2111.09881

原文：https://arxiv.org/abs/2111.09881

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L09, L11, L18

• R10 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：退化与真实细节如何区分？

[nafnet] Simple Baselines for Image Restoration

作者：Chen, Liangyu; Chu, Xiaojie; Zhang, Xiangyu; Sun, Jian

发表：ECCV 2022；首次公开：2022/04/10；版本：2204.04676

原文：https://arxiv.org/abs/2204.04676

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L09, L11, L18

• R10 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：退化与真实细节如何区分？

[retinexformer] Retinexformer: One-stage Retinex-based Transformer for Low-light Image Enhancement

作者：Cai, Yuanhao; Bian, Hao; Lin, Jing; Wang, Haoqian; Timofte, Radu; Zhang, Yulun

发表：ICCV 2023；首次公开：2023/03/12；版本：2303.06705v3

原文：https://arxiv.org/abs/2303.06705

代码：https://github.com/caiyuanhao1998/Retinexformer

核验：2026-09-23；已打开作者仓库或作者项目页，核对论文标题与实现入口

先修：L09, L11, L13, L18

• R10 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：退化与真实细节如何区分？

• R12 近年代表：§3.1–3.2；图2；§4.1–4.4；表1–4。阅读问题：退化与真实细节如何区分？

[srcnn] Image Super-Resolution Using Deep Convolutional Networks

作者：Dong, Chao; Loy, Chen Change; He, Kaiming; Tang, Xiaoou

发表：IEEE TPAMI 2016；会议前身 ECCV 2014；首次公开：2014/12/31；版本：1501.00092v3

原文：https://arxiv.org/abs/1501.00092

代码：https://mmlab.ie.cuhk.edu.hk/projects/SRCNN.html

核验：2026-09-23；已打开作者仓库或作者项目页，核对论文标题与实现入口

先修：L09, L10, L11

• R11 经典：§3.1–3.3；图2–3；§4.1、4.3、4.4；表2–4。阅读问题：退化与真实细节如何区分？

[edsr] Enhanced Deep Residual Networks for Single Image Super-Resolution

作者：Lim, Bee; Son, Sanghyun; Kim, Heewon; Nah, Seungjun; Lee, Kyoung Mu

发表：CVPR Workshops 2017；首次公开：2017/07/10；版本：1707.02921

原文：https://arxiv.org/abs/1707.02921

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L09, L10, L11

• R11 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：退化与真实细节如何区分？

[esrgan] ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks

作者：Wang, Xintao; Yu, Ke; Wu, Shixiang; Gu, Jinjin; Liu, Yihao; Dong, Chao; Loy, Chen Change; Qiao, Yu; Tang, Xiaoou

发表：ECCV Workshops 2018；首次公开：2018/09/01；版本：1809.00219

原文：https://arxiv.org/abs/1809.00219

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L09, L10, L11

• R11 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：退化与真实细节如何区分？

[swinir] SwinIR: Image Restoration Using Swin Transformer

作者：Liang, Jingyun; Cao, Jiezhang; Sun, Guolei; Zhang, Kai; Van Gool, Luc; Timofte, Radu

发表：ICCV Workshops 2021；首次公开：2021/08/23；版本：2108.10257

原文：https://arxiv.org/abs/2108.10257

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L09, L10, L11

• R11 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：退化与真实细节如何区分？

[realesrgan] Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data

作者：Wang, Xintao; Xie, Liangbin; Dong, Chao; Shan, Ying

发表：ICCV Workshops 2021；首次公开：2021/07/22；版本：2107.10833v2

原文：https://arxiv.org/abs/2107.10833

代码：https://github.com/xinntao/Real-ESRGAN

核验：2026-09-23；已打开作者仓库或作者项目页，核对论文标题与实现入口

先修：L09, L10, L11

• R11 近年代表：§3.1–3.4；图2、4、6；§4.1–4.4；图7–11。阅读问题：退化与真实细节如何区分？

[sr3] Image Super-Resolution via Iterative Refinement

作者：Saharia, Chitwan; Ho, Jonathan; Chan, William; Salimans, Tim; Fleet, David J.; Norouzi, Mohammad

发表：IEEE TPAMI；以原站版本为准；首次公开：2021/04/15；版本：2104.07636

原文：https://arxiv.org/abs/2104.07636

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L09, L10, L11

• R11 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：退化与真实细节如何区分？

[m03_gestalt] Text Gestalt: Stroke-Aware Scene Text Image Super-Resolution

作者：Jingye Chen; Haiyang Yu; Jianqi Ma; Bin Li; Xiangyang Xue

发表：arXiv 预印本 2021；首次公开：2021；版本：2112.08171v1

原文：https://arxiv.org/abs/2112.08171

代码：未确认官方仓库

核验：2026-09-25；Methodology 图2–3；Experiments 笔画监督与错误引导。已访问原始资料；不作跨论文性能排名。

先修：L09, L10, L11

• R11 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：退化与真实细节如何区分？

• M03 组会专题：Methodology 图2–3；Experiments 笔画监督与错误引导。阅读问题：这个方法作用在输入、表示、训练目标还是评价的哪一处？

[inverse_review] Deep Learning Techniques for Inverse Problems in Imaging

作者：Ongie, Gregory; Jalal, Ajil; Metzler, Christopher A.; Baraniuk, Richard G.; Dimakis, Alexandros G.; Willett, Rebecca

发表：IEEE JSAC 2020；首次公开：2020/05/12；版本：2005.06001

原文：https://arxiv.org/abs/2005.06001

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L03, L09, L11, L13

• R12 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：退化与真实细节如何区分？

• R22 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：传感器测量中缺少了什么信息？

• R24 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：传感器测量中缺少了什么信息？

[zero_dce] Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement

作者：Guo, Chunle; Li, Chongyi; Guo, Jichang; Loy, Chen Change; Hou, Junhui; Kwong, Sam; Cong, Runmin

发表：CVPR 2020；首次公开：2020/01/19；版本：2001.06826v2

原文：https://arxiv.org/abs/2001.06826

代码：https://github.com/Li-Chongyi/Zero-DCE

核验：2026-09-23；已打开作者仓库或作者项目页，核对论文标题与实现入口

先修：L03, L09, L11, L13

• R12 经典：§3.1–3.3；式1–8；§4.1–4.2；图2、4–5；表1–3；§5。阅读问题：退化与真实细节如何区分？

• R22 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：传感器测量中缺少了什么信息？

[diff_survey] Diffusion Models: A Comprehensive Survey of Methods and Applications

作者：Yang, Ling; Zhang, Zhilong; Song, Yang; Hong, Shenda; Xu, Runsheng; Zhao, Yue; Zhang, Wentao; Cui, Bin; Yang, Ming-Hsuan

发表：ACM Computing Surveys；以原站版本为准；首次公开：2022/09/02；版本：2209.00796

原文：https://arxiv.org/abs/2209.00796

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L03, L10, L11, L13, L14, L29

• R13 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：分布建模如何影响生成与可控性？

• R14 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：分布建模如何影响生成与可控性？

• R15 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：分布建模如何影响生成与可控性？

[vae] Auto-Encoding Variational Bayes

作者：Kingma, Diederik P; Welling, Max

发表：ICLR 2014；首次公开：2013/12/20；版本：1312.6114

原文：https://arxiv.org/abs/1312.6114

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L10, L13, L14

• R13 经典：§2–3、§5；式1、3及图2。阅读问题：分布建模如何影响生成与可控性？

• M03 组会专题：具体阅读定位及核验边界见专题正文。阅读问题：这个方法作用在输入、表示、训练目标还是评价的哪一处？

[vqvae] Neural Discrete Representation Learning

作者：Oord, Aaron van den; Vinyals, Oriol; Kavukcuoglu, Koray

发表：NeurIPS 2017；首次公开：2017/11/02；版本：1711.00937

原文：https://arxiv.org/abs/1711.00937

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L10, L13, L14

• R13 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：分布建模如何影响生成与可控性？

• M03 组会专题：具体阅读定位及核验边界见专题正文。阅读问题：这个方法作用在输入、表示、训练目标还是评价的哪一处？

[stylegan2] Analyzing and Improving the Image Quality of StyleGAN

作者：Karras, Tero; Laine, Samuli; Aittala, Miika; Hellsten, Janne; Lehtinen, Jaakko; Aila, Timo

发表：CVPR 2020；首次公开：2019/12/03；版本：1912.04958

原文：https://arxiv.org/abs/1912.04958

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L10, L13, L14

• R13 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：分布建模如何影响生成与可控性？

[ldm] High-Resolution Image Synthesis with Latent Diffusion Models

作者：Rombach, Robin; Blattmann, Andreas; Lorenz, Dominik; Esser, Patrick; Ommer, Björn

发表：CVPR 2022；首次公开：2021/12/20；版本：2112.10752

原文：https://arxiv.org/abs/2112.10752

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L03, L09, L10, L11, L13, L14, L15, L29

• R13 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：分布建模如何影响生成与可控性？

• R14 经典：§3–4；自动编码器与条件潜空间扩散图。阅读问题：分布建模如何影响生成与可控性？

• R15 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：分布建模如何影响生成与可控性？

• R28 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：计算、比特与任务质量怎样取舍？

[dit] Scalable Diffusion Models with Transformers

作者：Peebles, William; Xie, Saining

发表：ICCV 2023；首次公开：2022/12/19；版本：2212.09748

原文：https://arxiv.org/abs/2212.09748

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L03, L09, L10, L11, L13, L14, L15

• R13 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：分布建模如何影响生成与可控性？

• R14 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：分布建模如何影响生成与可控性？

• R28 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：计算、比特与任务质量怎样取舍？

[ddpm] Denoising Diffusion Probabilistic Models

作者：Ho, Jonathan; Jain, Ajay; Abbeel, Pieter

发表：NeurIPS 2020；首次公开：2020/06/19；版本：2006.11239

原文：https://arxiv.org/abs/2006.11239

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L03, L11, L13

• R14 经典：§2–4；算法1–2、式5、11、14。阅读问题：分布建模如何影响生成与可控性？

• M03 组会专题：具体阅读定位及核验边界见专题正文。阅读问题：这个方法作用在输入、表示、训练目标还是评价的哪一处？

[ddim] Denoising Diffusion Implicit Models

作者：Song, Jiaming; Meng, Chenlin; Ermon, Stefano

发表：ICLR 2021；首次公开：2020/10/06；版本：2010.02502

原文：https://arxiv.org/abs/2010.02502

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L03, L11, L13

• R14 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：分布建模如何影响生成与可控性？

[score_sde] Score-Based Generative Modeling through Stochastic Differential Equations

作者：Song, Yang; Sohl-Dickstein, Jascha; Kingma, Diederik P.; Kumar, Abhishek; Ermon, Stefano; Poole, Ben

发表：ICLR 2021；首次公开：2020/11/26；版本：2011.13456

原文：https://arxiv.org/abs/2011.13456

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L03, L11, L13

• R14 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：分布建模如何影响生成与可控性？

[instructpix] InstructPix2Pix: Learning to Follow Image Editing Instructions

作者：Brooks, Tim; Holynski, Aleksander; Efros, Alexei A.

发表：CVPR 2023；首次公开：2022/11/17；版本：2211.09800

原文：https://arxiv.org/abs/2211.09800

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L11, L13, L29

• R15 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：分布建模如何影响生成与可控性？

[controlnet] Adding Conditional Control to Text-to-Image Diffusion Models

作者：Zhang, Lvmin; Rao, Anyi; Agrawala, Maneesh

发表：ICCV 2023；首次公开：2023/02/10；版本：2302.05543

原文：https://arxiv.org/abs/2302.05543

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L11, L13, L29

• R15 经典：§3–4；图2–3、式2。阅读问题：分布建模如何影响生成与可控性？

[svd] Stable Video Diffusion: Scaling Latent Video Diffusion Models to Large Datasets

作者：Blattmann, Andreas; Dockhorn, Tim; Kulal, Sumith; Mendelevitch, Daniel; Kilian, Maciej; Lorenz, Dominik; Levi, Yam; English, Zion; Voleti, Vikram; Letts, Adam; Jampani, Varun; Rombach, Robin

发表：arXiv 2023 预印本；首次公开：2023/11/25；版本：2311.15127

原文：https://arxiv.org/abs/2311.15127

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L11, L13, L29

• R15 近年代表：方法和实验；时间层与视频采样图。阅读问题：分布建模如何影响生成与可控性？

[m03_phyedit] PhyEdit: Towards Real-World Object Manipulation via Physically-Grounded Image Editing

作者：Ruihang Xu; Dewei Zhou; Xiaolong Shen; Fan Ma; Yi Yang

发表：arXiv 预印本 2026；首次公开：2026；版本：2604.07230v1

原文：https://arxiv.org/abs/2604.07230

代码：未确认官方仓库

核验：2026-09-25；v1 图2、§3.2、§4；3D预览与深度监督。已访问原始资料；不作跨论文性能排名。

先修：L11, L13, L29

• R15 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：分布建模如何影响生成与可控性？

• M03 组会专题：v1 图2、§3.2、§4；3D预览与深度监督。阅读问题：这个方法作用在输入、表示、训练目标还是评价的哪一处？

[mvsnet] MVSNet: Depth Inference for Unstructured Multi-view Stereo

作者：Yao, Yao; Luo, Zixin; Li, Shiwei; Fang, Tian; Quan, Long

发表：ECCV 2018；首次公开：2018/04/07；版本：1804.02505

原文：https://arxiv.org/abs/1804.02505

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L07, L09

• R16 经典：§3.2–3.4；代价体与深度回归图。阅读问题：观测几何如何约束场景表示？

[monodepth2] Digging Into Self-Supervised Monocular Depth Estimation

作者：Godard, Clément; Mac Aodha, Oisin; Firman, Michael; Brostow, Gabriel

发表：ICCV 2019；首次公开：2018/06/04；版本：1806.01260

原文：https://arxiv.org/abs/1806.01260

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L07, L09

• R16 经典：方法、自动遮挡与最小重投影，实验表。阅读问题：观测几何如何约束场景表示？

[orbslam] ORB-SLAM: a Versatile and Accurate Monocular SLAM System

作者：Mur-Artal, Raul; Montiel, J. M. M.; Tardos, Juan D.

发表：IEEE TRO 2015；首次公开：2015/02/03；版本：1502.00956

原文：https://arxiv.org/abs/1502.00956

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L07, L09, L18, L33

• R16 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：观测几何如何约束场景表示？

• R17 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：观测几何如何约束场景表示？

[depthanything] Depth Anything: Unleashing the Power of Large-Scale Unlabeled Data

作者：Yang, Lihe; Kang, Bingyi; Huang, Zilong; Xu, Xiaogang; Feng, Jiashi; Zhao, Hengshuang

发表：CVPR 2024；首次公开：2024/01/19；版本：2401.10891

原文：https://arxiv.org/abs/2401.10891

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L07, L09, L18, L33

• R16 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：观测几何如何约束场景表示？

• R17 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：观测几何如何约束场景表示？

[colmap] Structure-from-Motion Revisited

作者：Johannes L. Schönberger, Jan-Michael Frahm

发表：CVPR 2016；首次公开：2016（CVPR论文）；版本：CVPR 2016 出版版

原文：https://demuc.de/papers/schoenberger2016sfm.pdf

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L18, L33

• R17 经典：增量SfM的图像注册、三角化和束调整；实验。阅读问题：观测几何如何约束场景表示？

[orbslam3] ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual-Inertial and Multi-Map SLAM

作者：Campos, Carlos; Elvira, Richard; Rodríguez, Juan J. Gómez; Montiel, José M. M.; Tardós, Juan D.

发表：IEEE TRO 2021；首次公开：2020/07/23；版本：2007.11898

原文：https://arxiv.org/abs/2007.11898

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L18, L33

• R17 经典：多地图、惯性初始化、回环及实验。阅读问题：观测几何如何约束场景表示？

[mipnerf] Mip-NeRF: A Multiscale Representation for Anti-Aliasing Neural Radiance Fields

作者：Barron, Jonathan T.; Mildenhall, Ben; Tancik, Matthew; Hedman, Peter; Martin-Brualla, Ricardo; Srinivasan, Pratul P.

发表：ICCV 2021；首次公开：2021/03/24；版本：2103.13415

原文：https://arxiv.org/abs/2103.13415

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L03, L09, L29

• R18 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：观测几何如何约束场景表示？

[instantngp] Instant Neural Graphics Primitives with a Multiresolution Hash Encoding

作者：Müller, Thomas; Evans, Alex; Schied, Christoph; Keller, Alexander

发表：ACM TOG / SIGGRAPH 2022；首次公开：2022/01/16；版本：2201.05989

原文：https://arxiv.org/abs/2201.05989

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L03, L09, L14, L20, L29, L34

• R18 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：观测几何如何约束场景表示？

• R27 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：概率模型收益如何变成实际码流？

[gs] 3D Gaussian Splatting for Real-Time Radiance Field Rendering

作者：Kerbl, Bernhard; Kopanas, Georgios; Leimkühler, Thomas; Drettakis, George

发表：ACM TOG / SIGGRAPH 2023；首次公开：2023/08/08；版本：2308.04079

原文：https://arxiv.org/abs/2308.04079

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L03, L09, L13, L14, L20, L29, L34

• R18 近年代表：§4–7；高斯投影、密度控制和渲染图。阅读问题：观测几何如何约束场景表示？

• R20 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：空间表示与任务交互有什么关系？

• R27 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：概率模型收益如何变成实际码流？

[four_d_gs] 4D Gaussian Splatting for Real-Time Dynamic Scene Rendering

作者：Wu, Guanjun; Yi, Taoran; Fang, Jiemin; Xie, Lingxi; Zhang, Xiaopeng; Wei, Wei; Liu, Wenyu; Tian, Qi; Wang, Xinggang

发表：CVPR 2024；首次公开：2023/10/12；版本：2310.08528

原文：https://arxiv.org/abs/2310.08528

代码：https://github.com/hustvl/4DGaussians

核验：2026-09-25；作者项目仓库和论文题目一致。

先修：L03, L09, L13, L29

• R18 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：观测几何如何约束场景表示？

• R20 近年代表：形变场、时空平面与§5消融表4。阅读问题：空间表示与任务交互有什么关系？

[point_survey] Deep Learning for 3D Point Clouds: A Survey

作者：Guo, Yulan; Wang, Hanyun; Hu, Qingyong; Liu, Hao; Liu, Li; Bennamoun, Mohammed

发表：IEEE TPAMI 2021；首次公开：2019/12/27；版本：1912.12033

原文：https://arxiv.org/abs/1912.12033

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L07, L29

• R19 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：空间表示与任务交互有什么关系？

[pointnet] PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation

作者：Qi, Charles R.; Su, Hao; Mo, Kaichun; Guibas, Leonidas J.

发表：CVPR 2017；首次公开：2016/12/02；版本：1612.00593

原文：https://arxiv.org/abs/1612.00593

代码：https://github.com/charlesq34/pointnet

核验：2026-09-25；作者仓库 README 明示训练与评价代码，原始实现为 TensorFlow。

先修：L02, L07, L14, L20, L29, L34

• R19 经典：对称池化、变换网络与分类/分割实验；图2、5。阅读问题：空间表示与任务交互有什么关系？

• R27 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：概率模型收益如何变成实际码流？

[pointnet2] PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space

作者：Qi, Charles R.; Yi, Li; Su, Hao; Guibas, Leonidas J.

发表：NeurIPS 2017；首次公开：2017/06/07；版本：1706.02413

原文：https://arxiv.org/abs/1706.02413

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L07, L29

• R19 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：空间表示与任务交互有什么关系？

[pointtransformer] Point Transformer

作者：Zhao, Hengshuang; Jiang, Li; Jia, Jiaya; Torr, Philip; Koltun, Vladlen

发表：ICCV 2021；首次公开：2020/12/16；版本：2012.09164

原文：https://arxiv.org/abs/2012.09164

代码：未确认官方仓库

核验：2026-09-25；可见 PyTorch 第三方实现标为 unofficial；未将其列作官方代码。

先修：L02, L07, L29

• R19 经典：相对位置、向量注意力与点云实验。阅读问题：空间表示与任务交互有什么关系？

[octattention] OctAttention: Octree-Based Large-Scale Contexts Model for Point Cloud Compression

作者：Fu, Chunyang; Li, Ge; Song, Rui; Gao, Wei; Liu, Shan

发表：AAAI 2022；首次公开：2022/02/12；版本：2202.06028

原文：https://arxiv.org/abs/2202.06028

代码：https://github.com/zb12138/OctAttention

核验：2026-09-25；AAAI 论文页面直接给出作者代码，仓库区分物体与 LiDAR 分支。

先修：L02, L07, L14, L20, L29, L34

• R19 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：空间表示与任务交互有什么关系？

• R27 经典：Methodology；图2–3、式1–3、表1–4。阅读问题：概率模型收益如何变成实际码流？

[dynamic_survey] Advances in Radiance Field for Dynamic Scene: From Neural Field to Gaussian Field

作者：Fan, Jinlong; Zeng, Xuepu; Zhang, Jing; Gong, Mingming; Yang, Yuxiang; Tao, Dacheng

发表：arXiv 综述；首次公开：2025/05/15；版本：2505.10049

原文：https://arxiv.org/abs/2505.10049

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L03, L13, L29

• R20 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：空间表示与任务交互有什么关系？

[dreamfusion] DreamFusion: Text-to-3D using 2D Diffusion

作者：Poole, Ben; Jain, Ajay; Barron, Jonathan T.; Mildenhall, Ben

发表：ICLR 2023；首次公开：2022/09/29；版本：2209.14988

原文：https://arxiv.org/abs/2209.14988

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L03, L13, L29

• R20 经典：SDS梯度、NeRF表示与多视角结果。阅读问题：空间表示与任务交互有什么关系？

[zero123] Zero-1-to-3: Zero-shot One Image to 3D Object

作者：Liu, Ruoshi; Wu, Rundi; Van Hoorick, Basile; Tokmakov, Pavel; Zakharov, Sergey; Vondrick, Carl

发表：ICCV 2023；首次公开：2023/03/20；版本：2303.11328

原文：https://arxiv.org/abs/2303.11328

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L03, L13, L29

• R20 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：空间表示与任务交互有什么关系？

[vla_survey] A Survey on Vision-Language-Action Models for Embodied AI

作者：Ma, Yueen; Song, Zixing; Zhuang, Yuzheng; Hao, Jianye; King, Irwin

发表：arXiv 综述；期刊版本见原站；首次公开：2024/05/23；版本：2405.14093

原文：https://arxiv.org/abs/2405.14093

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L05, L18, L29

• R21 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：空间表示与任务交互有什么关系？

[habitat] Habitat: A Platform for Embodied AI Research

作者：Savva, Manolis; Kadian, Abhishek; Maksymets, Oleksandr; Zhao, Yili; Wijmans, Erik; Jain, Bhavana; Straub, Julian; Liu, Jia; Koltun, Vladlen; Malik, Jitendra; Parikh, Devi; Batra, Dhruv

发表：ICCV 2019；首次公开：2019/04/02；版本：1904.01201

原文：https://arxiv.org/abs/1904.01201

代码：https://github.com/facebookresearch/habitat-lab

核验：2026-09-25；官方组织任务实现仓库；当前仓库版本未必等于原论文代码环境。

先修：L05, L18, L29

• R21 经典：§3–5；图1–3、表2及SPL定义。阅读问题：空间表示与任务交互有什么关系？

[rt1] RT-1: Robotics Transformer for Real-World Control at Scale

作者：Brohan, Anthony; Brown, Noah; Carbajal, Justice; Chebotar, Yevgen; Dabis, Joseph; Finn, Chelsea; Gopalakrishnan, Keerthana; Hausman, Karol; Herzog, Alex; Hsu, Jasmine; Ibarz, Julian; Ichter, Brian; Irpan, Alex; Jackson, Tomas; Jesmonth, Sally; Joshi, Nikhil J; Julian, Ryan; Kalashnikov, Dmitry; Kuang, Yuheng; Leal, Isabel; Lee, Kuang-Huei; Levine, Sergey; Lu, Yao; Malla, Utsav; Manjunath, Deeksha; Mordatch, Igor; Nachum, Ofir; Parada, Carolina; Peralta, Jodilyn; Perez, Emily; Pertsch, Karl; Quiambao, Jornell; Rao, Kanishka; Ryoo, Michael; Salazar, Grecia; Sanketi, Pannag; Sayed, Kevin; Singh, Jaspiar; Sontakke, Sumedh; Stone, Austin; Tan, Clayton; Tran, Huong; Vanhoucke, Vincent; Vega, Steve; Vuong, Quan; Xia, Fei; Xiao, Ted; Xu, Peng; Xu, Sichun; Yu, Tianhe; Zitkovich, Brianna

发表：RSS 2023；首次公开：2022/12/13；版本：2212.06817

原文：https://arxiv.org/abs/2212.06817

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L05, L18, L29

• R21 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：空间表示与任务交互有什么关系？

[rt2] RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control

作者：Brohan, Anthony; Brown, Noah; Carbajal, Justice; Chebotar, Yevgen; Chen, Xi; Choromanski, Krzysztof; Ding, Tianli; Driess, Danny; Dubey, Avinava; Finn, Chelsea; Florence, Pete; Fu, Chuyuan; Arenas, Montse Gonzalez; Gopalakrishnan, Keerthana; Han, Kehang; Hausman, Karol; Herzog, Alexander; Hsu, Jasmine; Ichter, Brian; Irpan, Alex; Joshi, Nikhil; Julian, Ryan; Kalashnikov, Dmitry; Kuang, Yuheng; Leal, Isabel; Lee, Lisa; Lee, Tsang-Wei Edward; Levine, Sergey; Lu, Yao; Michalewski, Henryk; Mordatch, Igor; Pertsch, Karl; Rao, Kanishka; Reymann, Krista; Ryoo, Michael; Salazar, Grecia; Sanketi, Pannag; Sermanet, Pierre; Singh, Jaspiar; Singh, Anikait; Soricut, Radu; Tran, Huong; Vanhoucke, Vincent; Vuong, Quan; Wahid, Ayzaan; Welker, Stefan; Wohlhart, Paul; Wu, Jialin; Xia, Fei; Xiao, Ted; Xu, Peng; Xu, Sichun; Yu, Tianhe; Zitkovich, Brianna

发表：CoRL 2023；首次公开：2023/07/28；版本：2307.15818

原文：https://arxiv.org/abs/2307.15818

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L05, L18, L29

• R21 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：空间表示与任务交互有什么关系？

[openvla] OpenVLA: An Open-Source Vision-Language-Action Model

作者：Kim, Moo Jin; Pertsch, Karl; Karamcheti, Siddharth; Xiao, Ted; Balakrishna, Ashwin; Nair, Suraj; Rafailov, Rafael; Foster, Ethan; Lam, Grace; Sanketi, Pannag; Vuong, Quan; Kollar, Thomas; Burchfiel, Benjamin; Tedrake, Russ; Sadigh, Dorsa; Levine, Sergey; Liang, Percy; Finn, Chelsea

发表：CoRL 2024；首次公开：2024/06/13；版本：2406.09246

原文：https://arxiv.org/abs/2406.09246

代码：https://github.com/openvla/openvla

核验：2026-09-25；作者项目仓库，含模型与微调入口。

先修：L05, L18, L29

• R21 近年代表：§3、5、6；图2、5与表1–2。阅读问题：空间表示与任务交互有什么关系？

[m03_pi0] π0: A Vision-Language-Action Flow Model for General Robot Control

作者：Physical Intelligence; Kevin Black et al.

发表：arXiv 预印本 2024；首次公开：2024；版本：2410.24164v1

原文：https://arxiv.org/abs/2410.24164

代码：https://github.com/Physical-Intelligence/openpi

核验：2026-09-25；III–IV、附录 A-B；任务评价。已访问原始资料；不作跨论文性能排名。

先修：L05, L18, L29

• R21 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：空间表示与任务交互有什么关系？

• M03 组会专题：III–IV、附录 A-B；任务评价。阅读问题：这个方法作用在输入、表示、训练目标还是评价的哪一处？

[red] The Little Engine that Could: Regularization by Denoising (RED)

作者：Romano, Yaniv; Elad, Michael; Milanfar, Peyman

发表：SIAM Journal on Imaging Sciences 2017；首次公开：2016/11/09；版本：1611.02862

原文：https://arxiv.org/abs/1611.02862

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L03, L11, L13

• R22 经典：§3–4、§6；式25、27、28，图2–4。阅读问题：传感器测量中缺少了什么信息？

[dps] Diffusion Posterior Sampling for General Noisy Inverse Problems

作者：Chung, Hyungjin; Kim, Jeongsol; Mccann, Michael T.; Klasky, Marc L.; Ye, Jong Chul

发表：ICLR 2023；首次公开：2022/09/29；版本：2209.14687

原文：https://arxiv.org/abs/2209.14687

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L03, L11, L13

• R22 近年代表：§3、算法1、图3及附录。阅读问题：传感器测量中缺少了什么信息？

[event_survey] Event-based Vision: A Survey

作者：Gallego, Guillermo; Delbruck, Tobi; Orchard, Garrick; Bartolozzi, Chiara; Taba, Brian; Censi, Andrea; Leutenegger, Stefan; Davison, Andrew; Conradt, Joerg; Daniilidis, Kostas; Scaramuzza, Davide

发表：IEEE TPAMI 2022；首次公开：2019/04/17；版本：1904.08405

原文：https://arxiv.org/abs/1904.08405

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L07, L34

• R23 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：传感器测量中缺少了什么信息？

[evtflow] EV-FlowNet: Self-Supervised Optical Flow Estimation for Event-based Cameras

作者：Zhu, Alex Zihao; Yuan, Liangzhe; Chaney, Kenneth; Daniilidis, Kostas

发表：RSS 2018；首次公开：2018/02/19；版本：1802.06898

原文：https://arxiv.org/abs/1802.06898

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L07, L34

• R23 经典：§III；图3、式3–6及MVSEC实验。阅读问题：传感器测量中缺少了什么信息？

[e2vid] High Speed and High Dynamic Range Video with an Event Camera

作者：Rebecq, Henri; Ranftl, René; Koltun, Vladlen; Scaramuzza, Davide

发表：IEEE TPAMI；以原站版本为准；首次公开：2019/06/15；版本：1906.07165

原文：https://arxiv.org/abs/1906.07165

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L07, L34

• R23 经典：§3–4；图3–4、式1–2及评估协议。阅读问题：传感器测量中缺少了什么信息？

[eventnerf] EventNeRF: Neural Radiance Fields from a Single Colour Event Camera

作者：Rudnev, Viktor; Elgharib, Mohamed; Theobalt, Christian; Golyanik, Vladislav

发表：CVPR 2023；首次公开：2022/06/23；版本：2206.11896

原文：https://arxiv.org/abs/2206.11896

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L07, L09, L11, L13, L34

• R23 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：传感器测量中缺少了什么信息？

• R24 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：传感器测量中缺少了什么信息？

[lightfield] Light Field Photography with a Hand-Held Plenoptic Camera

作者：Ren Ng et al.

发表：Stanford Technical Report 2005；首次公开：2005（Stanford Technical Report）；版本：Stanford 技术报告版

原文：https://graphics.stanford.edu/papers/lfcamera/

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L09, L11, L13

• R24 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：传感器测量中缺少了什么信息？

[flatcam] FlatCam: Thin, Lensless Cameras using Coded Aperture and Computation

作者：Asif, M. Salman; Ayremlou, Ali; Sankaranarayanan, Aswin; Veeraraghavan, Ashok; Baraniuk, Richard

发表：IEEE TCI 2017；arXiv 2015；首次公开：2015/09/01；版本：1509.00116

原文：https://arxiv.org/abs/1509.00116

代码：未确认官方仓库

核验：2026-09-25；arXiv HTML v2 正文可读，缓存 PDF 不完整；R24 方法与实验以 HTML 全文核对。

先修：L09, L11, L13

• R24 经典：arXiv HTML v2 方法、标定与实验。阅读问题：传感器测量中缺少了什么信息？

[nlos] Confocal non-line-of-sight imaging based on the light-cone transform

作者：Matthew O’Toole, David B. Lindell, Gordon Wetzstein

发表：Nature 2018；首次公开：2018（Nature）；版本：Nature 2018；本次未取得正文

原文：https://www.computationalimaging.org/publications/confocal-non-line-of-sight-imaging-based-on-the-light-cone-transform/

代码：未确认官方仓库

核验：2026-09-25；Nature 原文全文访问受限；只核到作者项目页和同作者 SIGGRAPH Talks 两页摘要。R24 明确限制证据范围。

先修：L09, L11, L13

• R24 经典：作者项目页、同作者SIGGRAPH 2018 Talks两页摘要。阅读问题：传感器测量中缺少了什么信息？

[image_compression_survey] Unveiling the Future of Human and Machine Coding: A Survey of End-to-End Learned Image Compression

作者：Chen-Hsiu Huang; Ja-Ling Wu

发表：Entropy 26(5):357 (2024), doi:10.3390/e26050357；首次公开：2024-04-24（期刊网页）；版本：Entropy 26(5):357 出版版

原文：https://pmc.ncbi.nlm.nih.gov/articles/PMC11120525/

代码：未确认官方仓库

核验：2026-09-25；PMC 出版全文核对作者、日期、摘要与第 3、4 节。

先修：L09, L13, L14, L15, L25, L26

• R25 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：概率模型收益如何变成实际码流？

• R28 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：计算、比特与任务质量怎样取舍？

[balle] End-to-end Optimized Image Compression

作者：Ballé, Johannes; Laparra, Valero; Simoncelli, Eero P.

发表：ICLR 2017；首次公开：2016/11/05；版本：1611.01704

原文：https://arxiv.org/abs/1611.01704

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L13, L15, L25, L26

• R25 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：概率模型收益如何变成实际码流？

[hyper] Variational image compression with a scale hyperprior

作者：Ballé, Johannes; Minnen, David; Singh, Saurabh; Hwang, Sung Jin; Johnston, Nick

发表：ICLR 2018；首次公开：2018/02/01；版本：1802.01436

原文：https://arxiv.org/abs/1802.01436

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L13, L15, L20, L23, L25, L26, L34

• R25 经典：§2–4；图2–4，式7、10、11。阅读问题：概率模型收益如何变成实际码流？

• R26 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：概率模型收益如何变成实际码流？

[minnen] Joint Autoregressive and Hierarchical Priors for Learned Image Compression

作者：Minnen, David; Ballé, Johannes; Toderici, George

发表：NeurIPS 2018；首次公开：2018/09/08；版本：1809.02736

原文：https://arxiv.org/abs/1809.02736

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L13, L15, L25, L26

• R25 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：概率模型收益如何变成实际码流？

[cheng] Learned Image Compression with Discretized Gaussian Mixture Likelihoods and Attention Modules

作者：Cheng, Zhengxue; Sun, Heming; Takeuchi, Masaru; Katto, Jiro

发表：CVPR 2020；首次公开：2020/01/06；版本：2001.01568

原文：https://arxiv.org/abs/2001.01568

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L13, L15, L25, L26

• R25 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：概率模型收益如何变成实际码流？

[elic] ELIC: Efficient Learned Image Compression with Unevenly Grouped Space-Channel Contextual Adaptive Coding

作者：He, Dailan; Yang, Ziming; Peng, Weikun; Ma, Rui; Qin, Hongwei; Wang, Yan

发表：CVPR 2022；首次公开：2022/03/21；版本：2203.10886

原文：https://arxiv.org/abs/2203.10886

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L13, L15, L25, L26

• R25 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：概率模型收益如何变成实际码流？

[hpcm] Learned Image Compression with Hierarchical Progressive Context Modeling

作者：Li, Yuqi; Zhang, Haotian; Li, Li; Liu, Dong

发表：ICCV 2025；首次公开：2025/07/25；版本：2507.19125

原文：https://arxiv.org/abs/2507.19125

代码：https://github.com/lyq133/LIC-HPCM

核验：2026-09-25；ICCV 原论文与作者仓库均给出相同代码链接；仓库新增模型及权重不自动属于原论文配置。

先修：L13, L15, L25, L26

• R25 近年代表：§3–4；图2–4、表1–3及补充计时。阅读问题：概率模型收益如何变成实际码流？

[compressai] CompressAI documentation and model zoo

作者：InterDigital

发表：官方文档；首次公开：滚动更新文档，无法指定单一首发日期；版本：访问日文档；运行环境的包版本另见课程验证记录

原文：https://interdigitalinc.github.io/CompressAI/

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L13, L15, L25, L26

• R25 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：概率模型收益如何变成实际码流？

[video_compression_survey] Emerging Advances in Learned Video Compression: Models, Systems and Beyond

作者：Jia, Chuanmin; Ye, Feng; Ma, Siwei; Gao, Wen; Sun, Huifang; Chiariglione, Leonardo

发表：arXiv 综述；首次公开：2025/04/30；版本：2504.21445

原文：https://arxiv.org/abs/2504.21445

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L20, L23, L34

• R26 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：概率模型收益如何变成实际码流？

[dvc] DVC: An End-to-end Deep Video Compression Framework

作者：Lu, Guo; Ouyang, Wanli; Xu, Dong; Zhang, Xiaoyun; Cai, Chunlei; Gao, Zhiyong

发表：CVPR 2019；首次公开：2018/11/30；版本：1812.00101

原文：https://arxiv.org/abs/1812.00101

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L20, L23, L34

• R26 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：概率模型收益如何变成实际码流？

[dcvc] Deep Contextual Video Compression

作者：Li, Jiahao; Li, Bin; Lu, Yan

发表：NeurIPS 2021；首次公开：2021/09/30；版本：2109.15047

原文：https://arxiv.org/abs/2109.15047

代码：https://github.com/microsoft/DCVC

核验：2026-09-25；Microsoft 官方仓库含 DCVC 系列；运行应固定分支与检查点。

先修：L20, L23, L34

• R26 经典：§3；图2、式1–3及实验。阅读问题：概率模型收益如何变成实际码流？

[dcvcrt] Towards Practical Real-Time Neural Video Compression

作者：Jia, Zhaoyang; Li, Bin; Li, Jiahao; Xie, Wenxuan; Qi, Linfeng; Li, Houqiang; Lu, Yan

发表：CVPR 2025；首次公开：2025/02/28；版本：2502.20762

原文：https://arxiv.org/abs/2502.20762

代码：https://github.com/microsoft/DCVC

核验：2026-09-25；CVPR 2025 论文正文明确提供 microsoft/DCVC 代码入口。

先修：L20, L23, L31, L32, L33, L34

• R26 近年代表：§3–4；图3–5、表1及实验。阅读问题：概率模型收益如何变成实际码流？

• R30 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：计算、比特与任务质量怎样取舍？

[pc_compression_survey] Point Cloud Compression and Objective Quality Assessment: A Survey

作者：Xu, Yiling; Zhang, Yujie; Xia, Shuting; Yang, Kaifa; Huang, He; Shan, Ziyu; Huang, Wenjie; Yang, Qi; Yang, Le

发表：arXiv 综述；首次公开：2025/06/28；版本：2506.22902

原文：https://arxiv.org/abs/2506.22902

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L14, L20, L34

• R27 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：概率模型收益如何变成实际码流？

[hac] HAC: Hash-grid Assisted Context for 3D Gaussian Splatting Compression

作者：Chen, Yihang; Wu, Qianyi; Lin, Weiyao; Harandi, Mehrtash; Cai, Jianfei

发表：ECCV 2024；首次公开：2024/03/21；版本：2403.14530

原文：https://arxiv.org/abs/2403.14530

代码：https://github.com/YihangChen-ee/HAC

核验：2026-09-25；ECCV 作者仓库标明官方 PyTorch 实现。

先修：L14, L20, L34

• R27 近年代表：§3；图2–3、§4表1、图4与6。阅读问题：概率模型收益如何变成实际码流？

[perception] The Perception-Distortion Tradeoff

作者：Blau, Yochai; Michaeli, Tomer

发表：CVPR 2018；首次公开：2017/11/16；版本：1711.06077

原文：https://arxiv.org/abs/1711.06077

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L09, L14, L15

• R28 经典：率失真感知权衡定理及生成例子。阅读问题：计算、比特与任务质量怎样取舍？

[hific] High-Fidelity Generative Image Compression

作者：Mentzer, Fabian; Toderici, George; Tschannen, Michael; Agustsson, Eirikur

发表：NeurIPS 2020；首次公开：2020/06/17；版本：2006.09965

原文：https://arxiv.org/abs/2006.09965

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L09, L14, L15

• R28 经典：方法网络图、判别损失与率失真实验。阅读问题：计算、比特与任务质量怎样取舍？

[split_survey] Split Computing and Early Exiting for Deep Learning Applications: Survey and Research Challenges

作者：Matsubara, Yoshitomo; Levorato, Marco; Restuccia, Francesco

发表：arXiv 综述；题名以抓取元数据为准；首次公开：2021/03/08；版本：2103.04505

原文：https://arxiv.org/abs/2103.04505

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L14, L15, L18

• R29 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：计算、比特与任务质量怎样取舍？

[vib] Deep Variational Information Bottleneck

作者：Alemi, Alexander A.; Fischer, Ian; Dillon, Joshua V.; Murphy, Kevin

发表：ICLR 2017；首次公开：2016/12/01；版本：1612.00410

原文：https://arxiv.org/abs/1612.00410

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L14, L15, L18

• R29 经典：理论推导、§4.1、图1–2、表1。阅读问题：计算、比特与任务质量怎样取舍？

[vcm] Video Coding for Machines: A Paradigm of Collaborative Compression and Intelligent Analytics

作者：Duan, Ling-Yu; Liu, Jiaying; Yang, Wenhan; Huang, Tiejun; Gao, Wen

发表：IEEE TIP 2020；首次公开：2020/01/10；版本：2001.03569

原文：https://arxiv.org/abs/2001.03569

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L14, L15, L18

• R29 经典：§IV、VI–VII；图1–8、表I–IV。阅读问题：计算、比特与任务质量怎样取舍？

[siglip] Sigmoid Loss for Language Image Pre-Training

作者：Zhai, Xiaohua; Mustafa, Basil; Kolesnikov, Alexander; Beyer, Lucas

发表：ICCV 2023；首次公开：2023/03/27；版本：2303.15343

原文：https://arxiv.org/abs/2303.15343

代码：https://github.com/google-research/big_vision

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L05, L14, L15, L18, L29

• R29 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：计算、比特与任务质量怎样取舍？

• R31 近年代表：§3.2；算法1；图1、2、3、6；§4.2–4.6。阅读问题：语言在什么阶段影响视觉表示？

[m03_remora] ReMoRa: Multimodal Large Language Model based on Refined Motion Representation for Long-Video Understanding

作者：Daichi Yashima; Shuhei Kurita; Yusuke Oda; Komei Sugiura

发表：arXiv 预印本 2026；首次公开：2026；版本：2602.16412v1

原文：https://arxiv.org/abs/2602.16412

代码：未确认官方仓库

核验：2026-09-25；§3–5；运动表示、方法与基准。已访问原始资料；不作跨论文性能排名。

先修：L14, L15, L18

• R29 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：计算、比特与任务质量怎样取舍？

• M03 组会专题：§3–5；运动表示、方法与基准。阅读问题：这个方法作用在输入、表示、训练目标还是评价的哪一处？

[quant_survey] A Survey of Quantization Methods for Efficient Neural Network Inference

作者：Gholami, Amir; Kim, Sehoon; Dong, Zhen; Yao, Zhewei; Mahoney, Michael W.; Keutzer, Kurt

发表：综述；2021 arXiv 版本；首次公开：2021/03/25；版本：2103.13630

原文：https://arxiv.org/abs/2103.13630

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L31, L32, L33

• R30 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：计算、比特与任务质量怎样取舍？

[integer] Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference

作者：Jacob, Benoit; Kligys, Skirmantas; Chen, Bo; Zhu, Menglong; Tang, Matthew; Howard, Andrew; Adam, Hartwig; Kalenichenko, Dmitry

发表：CVPR 2018；首次公开：2017/12/15；版本：1712.05877

原文：https://arxiv.org/abs/1712.05877

代码：未确认官方仓库

核验：2026-09-25；arXiv 缓存 PDF 第 1–8 页，图 1.1、§2–4 与移动设备图表核对。

先修：L31, L32, L33

• R30 经典：§2–4；图1.1、图4.1–4.2、表4.4。阅读问题：计算、比特与任务质量怎样取舍？

[mobilenet] MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications

作者：Howard, Andrew G.; Zhu, Menglong; Chen, Bo; Kalenichenko, Dmitry; Wang, Weijun; Weyand, Tobias; Andreetto, Marco; Adam, Hartwig

发表：arXiv 2017 预印本；首次公开：2017/04/17；版本：1704.04861

原文：https://arxiv.org/abs/1704.04861

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L31, L32, L33

• R30 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：计算、比特与任务质量怎样取舍？

[mobilenet2] MobileNetV2: Inverted Residuals and Linear Bottlenecks

作者：Sandler, Mark; Howard, Andrew; Zhu, Menglong; Zhmoginov, Andrey; Chen, Liang-Chieh

发表：CVPR 2018；首次公开：2018/01/13；版本：1801.04381

原文：https://arxiv.org/abs/1801.04381

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L31, L32, L33

• R30 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：计算、比特与任务质量怎样取舍？

[adaround] Up or Down? Adaptive Rounding for Post-Training Quantization

作者：Nagel, Markus; Amjad, Rana Ali; van Baalen, Mart; Louizos, Christos; Blankevoort, Tijmen

发表：ICML 2020；首次公开：2020/04/22；版本：2004.10568

原文：https://arxiv.org/abs/2004.10568

代码：未确认官方仓库

核验：2026-09-25；ICML/PMLR 缓存论文 PDF 第 1–9 页，§2–5 和表 2、3、7 核对。

先修：L31, L32, L33

• R30 经典：§2–3、§5；图1–2，表2、3、7。阅读问题：计算、比特与任务质量怎样取舍？

[smoothquant] SmoothQuant: Accurate and Efficient Post-Training Quantization for Large Language Models

作者：Xiao, Guangxuan; Lin, Ji; Seznec, Mickael; Wu, Hao; Demouth, Julien; Han, Song

发表：ICML 2023；首次公开：2022/11/18；版本：2211.10438

原文：https://arxiv.org/abs/2211.10438

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L31, L32, L33

• R30 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：计算、比特与任务质量怎样取舍？

[vlm_intro] An Introduction to Vision-Language Modeling

作者：Bordes, Florian; Pang, Richard Yuanzhe; Ajay, Anurag; Li, Alexander C.; Bardes, Adrien; Petryk, Suzanne; Mañas, Oscar; Lin, Zhiqiu; Mahmoud, Anas; Jayaraman, Bargav; Ibrahim, Mark; Hall, Melissa; Xiong, Yunyang; Lebensold, Jonathan; Ross, Candace; Jayakumar, Srihari; Guo, Chuan; Bouchacourt, Diane; Al-Tahan, Haider; Padthe, Karthik; Sharma, Vasu; Xu, Hu; Tan, Xiaoqing Ellen; Richards, Megan; Lavoie, Samuel; Astolfi, Pietro; Hemmat, Reyhane Askari; Chen, Jun; Tirumala, Kushal; Assouel, Rim; Moayeri, Mazda; Talattof, Arjang; Chaudhuri, Kamalika; Liu, Zechun; Chen, Xilun; Garrido, Quentin; Ullrich, Karen; Agrawal, Aishwarya; Saenko, Kate; Celikyilmaz, Asli; Chandra, Vikas

发表：arXiv 2024 教程；首次公开：2024/05/27；版本：2405.17247

原文：https://arxiv.org/abs/2405.17247

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L05, L07, L14, L18, L29

• R31 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：语言在什么阶段影响视觉表示？

• R32 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：语言在什么阶段影响视觉表示？

• R33 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：语言在什么阶段影响视觉表示？

[align] Scaling Up Visual and Vision-Language Representation Learning With Noisy Text Supervision

作者：Jia, Chao; Yang, Yinfei; Xia, Ye; Chen, Yi-Ting; Parekh, Zarana; Pham, Hieu; Le, Quoc V.; Sung, Yunhsuan; Li, Zhen; Duerig, Tom

发表：ICML 2021；首次公开：2021/02/11；版本：2102.05918

原文：https://arxiv.org/abs/2102.05918

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L05, L14, L29

• R31 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：语言在什么阶段影响视觉表示？

[flamingo] Flamingo: a Visual Language Model for Few-Shot Learning

作者：Alayrac, Jean-Baptiste; Donahue, Jeff; Luc, Pauline; Miech, Antoine; Barr, Iain; Hasson, Yana; Lenc, Karel; Mensch, Arthur; Millican, Katie; Reynolds, Malcolm; Ring, Roman; Rutherford, Eliza; Cabi, Serkan; Han, Tengda; Gong, Zhitao; Samangooei, Sina; Monteiro, Marianne; Menick, Jacob; Borgeaud, Sebastian; Brock, Andrew; Nematzadeh, Aida; Sharifzadeh, Sahand; Binkowski, Mikolaj; Barreira, Ricardo; Vinyals, Oriol; Zisserman, Andrew; Simonyan, Karen

发表：NeurIPS 2022；首次公开：2022/04/29；版本：2204.14198

原文：https://arxiv.org/abs/2204.14198

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L05, L14, L18, L29

• R31 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：语言在什么阶段影响视觉表示？

• R32 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：语言在什么阶段影响视觉表示？

[blip2] BLIP-2: Bootstrapping Language-Image Pre-training with Frozen Image Encoders and Large Language Models

作者：Li, Junnan; Li, Dongxu; Savarese, Silvio; Hoi, Steven

发表：ICML 2023；首次公开：2023/01/30；版本：2301.12597v3

原文：https://arxiv.org/abs/2301.12597

代码：https://github.com/salesforce/LAVIS

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L05, L18, L29

• R32 经典：§3；图2、3；§4.1；§5。阅读问题：语言在什么阶段影响视觉表示？

[llava] Visual Instruction Tuning

作者：Liu, Haotian; Li, Chunyuan; Wu, Qingyang; Lee, Yong Jae

发表：NeurIPS 2023；首次公开：2023/04/17；版本：2304.08485v2

原文：https://arxiv.org/abs/2304.08485

代码：https://github.com/haotian-liu/LLaVA

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L05, L18, L29

• R32 近年代表：§3；表1；§4；表2；实验及失败案例。阅读问题：语言在什么阶段影响视觉表示？

[m03_flexmem] Scaling the Long Video Understanding of Multimodal Large Language Models via Visual Memory Mechanism

作者：Tao Chen; Kun Zhang; Qiong Wu; Xiao Chen; Chao Chang; Xiaoshuai Sun; Yiyi Zhou; Rongrong Ji

发表：arXiv 预印本 2026；首次公开：2026；版本：2603.29252v1

原文：https://arxiv.org/abs/2603.29252

代码：https://github.com/city1517/FlexMem

核验：2026-09-25；§3.2–3.3、§4；记忆写入读取和流式协议。已访问原始资料；不作跨论文性能排名。

先修：L05, L18, L29

• R32 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：语言在什么阶段影响视觉表示？

• M03 组会专题：§3.2–3.3、§4；记忆写入读取和流式协议。阅读问题：这个方法作用在输入、表示、训练目标还是评价的哪一处？

[owlvit] Simple Open-Vocabulary Object Detection with Vision Transformers

作者：Minderer, Matthias; Gritsenko, Alexey; Stone, Austin; Neumann, Maxim; Weissenborn, Dirk; Dosovitskiy, Alexey; Mahendran, Aravindh; Arnab, Anurag; Dehghani, Mostafa; Shen, Zhuoran; Wang, Xiao; Zhai, Xiaohua; Kipf, Thomas; Houlsby, Neil

发表：ECCV 2022；首次公开：2022/05/12；版本：2205.06230

原文：https://arxiv.org/abs/2205.06230

代码：https://github.com/google-research/scenic/tree/main/scenic/projects/owl_vit

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L07, L18, L29

• R33 经典：图1；§3.1–3.2；§4.1及评价。阅读问题：语言在什么阶段影响视觉表示？

[groundingdino] Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection

作者：Liu, Shilong; Zeng, Zhaoyang; Ren, Tianhe; Li, Feng; Zhang, Hao; Yang, Jie; Jiang, Qing; Li, Chunyuan; Yang, Jianwei; Su, Hang; Zhu, Jun; Zhang, Lei

发表：ECCV 2024；首次公开：2023/03/09；版本：2303.05499v5

原文：https://arxiv.org/abs/2303.05499

代码：https://github.com/IDEA-Research/GroundingDINO

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L07, L18, L29

• R33 近年代表：§3；图3、4；LVIS表3；Limitations。阅读问题：语言在什么阶段影响视觉表示？

[med_survey] A Survey on Deep Learning in Medical Image Analysis

作者：Litjens, Geert; Kooi, Thijs; Bejnordi, Babak Ehteshami; Setio, Arnaud Arindra Adiyoso; Ciompi, Francesco; Ghafoorian, Mohsen; van der Laak, Jeroen A. W. M.; van Ginneken, Bram; Sánchez, Clara I.

发表：Medical Image Analysis 2017；首次公开：2017/02/19；版本：1702.05747

原文：https://arxiv.org/abs/1702.05747

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L06, L09, L18

• R34 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：领域采集和划分怎样影响结论？

[nnunet] nnU-Net: Self-adapting Framework for U-Net-Based Medical Image Segmentation

作者：Isensee, Fabian; Petersen, Jens; Klein, Andre; Zimmerer, David; Jaeger, Paul F.; Kohl, Simon; Wasserthal, Jakob; Koehler, Gregor; Norajitra, Tobias; Wirkert, Sebastian; Maier-Hein, Klaus H.

发表：arXiv 初稿 2018；成熟框架发表于 Nature Methods 2021；首次公开：2018/09/27；版本：1809.10486

原文：https://arxiv.org/abs/1809.10486

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L06, L09, L18

• R34 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：领域采集和划分怎样影响结论？

[medsam] Segment Anything in Medical Images

作者：Ma, Jun; He, Yuting; Li, Feifei; Han, Lin; You, Chenyu; Wang, Bo

发表：Nature Communications 2024；首次公开：2023/04/24；版本：2304.12306v3

原文：https://arxiv.org/abs/2304.12306

代码：https://github.com/bowang-lab/MedSAM

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L06, L09, L18

• R34 近年代表：Results；Discussion；Methods/Training protocol。阅读问题：领域采集和划分怎样影响结论？

[remote_survey] Deep Learning in Remote Sensing: A Comprehensive Review and List of Resources

作者：Xiao Xiang Zhu et al.

发表：IEEE GRSM 2017；首次公开：2017（IEEE GRSM论文）；版本：IEEE GRSM 2017 出版版

原文：https://elib.dlr.de/118694/

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L08, L18

• R35 综述／教材：目录／引言及与本章主题对应的分类部分；先了解术语，不要求通读。阅读问题：领域采集和划分怎样影响结论？

[seco] Seasonal Contrast: Unsupervised Pre-Training from Uncurated Remote Sensing Data

作者：Mañas, Oscar; Lacoste, Alexandre; Giro-i-Nieto, Xavier; Vazquez, David; Rodriguez, Pau

发表：ICCV 2021；首次公开：2021/03/30；版本：2103.16607v2

原文：https://arxiv.org/abs/2103.16607

代码：https://github.com/ServiceNow/seasonal-contrast

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L08, L18

• R35 经典：§3.1–3.2；图2；表1；图3。阅读问题：领域采集和划分怎样影响结论？

[satmae] SatMAE: Pre-training Transformers for Temporal and Multi-Spectral Satellite Imagery

作者：Cong, Yezhen; Khanna, Samar; Meng, Chenlin; Liu, Patrick; Rozi, Erik; He, Yutong; Burke, Marshall; Lobell, David B.; Ermon, Stefano

发表：NeurIPS 2022；首次公开：2022/07/17；版本：2207.08051v3

原文：https://arxiv.org/abs/2207.08051

代码：https://github.com/sustainlab-group/SatMAE

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L08, L18

• R35 经典：§4.1–4.2；图2、3；§5.1–5.5；表1。阅读问题：领域采集和划分怎样影响结论？

[rsfoundation_survey] Foundation Models for Remote Sensing and Earth Observation: A Survey

作者：Xiao, Aoran; Xuan, Weihao; Wang, Junjue; Huang, Jiaxing; Tao, Dacheng; Lu, Shijian; Yokoya, Naoto

发表：arXiv 综述；首次公开：2024/10/22；版本：2410.16602

原文：https://arxiv.org/abs/2410.16602

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L02, L08, L18

• R35 近年代表：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：领域采集和划分怎样影响结论？

[fgsm] Explaining and Harnessing Adversarial Examples

作者：Goodfellow, Ian J.; Shlens, Jonathon; Szegedy, Christian

发表：ICLR 2015；首次公开：2014/12/20；版本：1412.6572

原文：https://arxiv.org/abs/1412.6572

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L06, L08, L18

• R36 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：领域采集和划分怎样影响结论？

[ood] A Baseline for Detecting Misclassified and Out-of-Distribution Examples in Neural Networks

作者：Hendrycks, Dan; Gimpel, Kevin

发表：ICLR 2017；首次公开：2016/10/07；版本：1610.02136

原文：https://arxiv.org/abs/1610.02136

代码：未确认官方仓库

核验：2026-09-23；书目页面已核对；全文核查范围见章末

先修：L06, L08, L18

• R36 经典：摘要与引言：辨认研究问题和入选理由；方法、图表的进一步路线见对应章节。阅读问题：领域采集和划分怎样影响结论？

[m03_pi05] π0.5: a Vision-Language-Action Model with Open-World Generalization

作者：Physical Intelligence et al.

发表：arXiv 预印本 2025；首次公开：2025；版本：2504.16054v1

原文：https://arxiv.org/abs/2504.16054

代码：未确认官方仓库

核验：2026-09-25；仅核对书目与摘要，不据此解释完整训练机制。已访问原始资料；不作跨论文性能排名。

先修：

• M03 组会专题：仅核对书目与摘要，不据此解释完整训练机制。阅读问题：这个方法作用在输入、表示、训练目标还是评价的哪一处？

[m03_pi07] π0.7: a Steerable Generalist Robotic Foundation Model with Emergent Capabilities

作者：Physical Intelligence; Bo Ai et al.

发表：arXiv 预印本 2026；首次公开：2026；版本：2604.15483v1

原文：https://arxiv.org/abs/2604.15483

代码：未确认官方仓库

核验：2026-09-25；IV–VI、IX、附录 A-C；多模态条件，不等同于仅增加世界模型。已访问原始资料；不作跨论文性能排名。

先修：

• M03 组会专题：IV–VI、IX、附录 A-C；多模态条件，不等同于仅增加世界模型。阅读问题：这个方法作用在输入、表示、训练目标还是评价的哪一处？

[m03_wfs] Wavelet-based Frame Selection by Detecting Semantic Boundary for Long Video Understanding

作者：Wang Chen; Yuhui Zeng; Yongdong Luo; Tianyu Xie; Luojun Lin; Jiayi Ji; Yan Zhang; Xiawu Zheng

发表：arXiv 预印本 2026；首次公开：2026；版本：2603.00512v1

原文：https://arxiv.org/abs/2603.00512

代码：https://github.com/MAC-AutoML/WFS-SB

核验：2026-09-25；Method 与预算实验；官方仓库确认 CVPR 2026。已访问原始资料；不作跨论文性能排名。

先修：

• M03 组会专题：Method 与预算实验；官方仓库确认 CVPR 2026。阅读问题：这个方法作用在输入、表示、训练目标还是评价的哪一处？

[m03_rlframes] Efficient Frame Selection for Long Video Understanding via Reinforcement Learning

作者：Qin et al.（完整作者表待核验）

发表：CVPR 2026，会议检索记录；首次公开：2026（首次预印本日期待核验）；版本：CVPR 2026

原文：https://openaccess.thecvf.com/content/CVPR2026/html/Qin_Efficient_Frame_Selection_for_Long_Video_Understanding_via_Reinforcement_Learning_CVPR_2026_paper.html

代码：未确认官方仓库

核验：2026-09-25；会议检索可定位；网页403且PDF获取失败。仅保留线索，不以二手解读补造公式或实验。

先修：

• M03 组会专题：待获取全文后核对方法、奖励与实验。阅读问题：这个方法作用在输入、表示、训练目标还是评价的哪一处？

[m03_msjoe] MSJoE: Jointly Evolving MLLM and Sampler for Efficient Long-Form Video Understanding

作者：Wenhui Tan; Xiaoyi Yu; Jiaze Li; Yijing Chen; Jianzhong Ju; Zhenbo Luo; Ruihua Song; Jian Luan

发表：arXiv 预印本 2026；首次公开：2026；版本：2602.22932v1

原文：https://arxiv.org/abs/2602.22932

代码：未确认官方仓库

核验：2026-09-25；框架、Method 与消融；联合训练归因。已访问原始资料；不作跨论文性能排名。

先修：

• M03 组会专题：框架、Method 与消融；联合训练归因。阅读问题：这个方法作用在输入、表示、训练目标还是评价的哪一处？

[m03_dalle] Zero-Shot Text-to-Image Generation

作者：Aditya Ramesh; Mikhail Pavlov; Gabriel Goh; Scott Gray; Chelsea Voss; Alec Radford; Mark Chen; Ilya Sutskever

发表：arXiv 预印本 2021；首次公开：2021；版本：2102.12092v1

原文：https://arxiv.org/abs/2102.12092

代码：未确认官方仓库

核验：2026-09-25；§2与图1作为阅读定位；本轮核对书目摘要，不声称复现实验。已访问原始资料；不作跨论文性能排名。

先修：

• M03 组会专题：§2与图1作为阅读定位；本轮核对书目摘要，不声称复现实验。阅读问题：这个方法作用在输入、表示、训练目标还是评价的哪一处？

[m03_tatsr] Scene Text Image Super-Resolution via Content Perceptual Loss and Criss-Cross Transformer Blocks

作者：Rui Qin; Bin Wang; Yu-Wing Tai

发表：arXiv 预印本 2022；首次公开：2022；版本：2210.06924v1

原文：https://arxiv.org/abs/2210.06924

代码：未确认官方仓库

核验：2026-09-25；PDF §III-B/C、§IV；内容损失与 TextZoom 评价。已访问原始资料；不作跨论文性能排名。

先修：

• M03 组会专题：PDF §III-B/C、§IV；内容损失与 TextZoom 评价。阅读问题：这个方法作用在输入、表示、训练目标还是评价的哪一处？