本文使用 attention 机制 结合 RNN 处理 视觉问题。

本文提出同时传输压缩图像和特征的方法，以提高图像视觉质量和面部识别任务的正确度。

1. 同时压缩面部图像 (texture) 和深度特征
2. 提出 TFQI 评估面部图像在自动化视觉分析和监控中的利用率
3. 提出比特分配模式用于优化图像和特征的传输

本文提出一种联合压缩视频特征和视频内容的压缩方式。

1. 对于特征编码，提出视频帧的块分区结构作为特征选择的有效参考
2. 提出了多预测模型，利用运动和纹理信息提高 特征预测的效率
3. 提出 RAO 实现比特率和检索表现的均衡
4. 使用特征描述符改善帧间运动估计精度，提高视频压缩率

本文提出 与插值相关的 下采样方法，以最小化输入图像和某种插值方法生成的图像之间的差异。最优的下采样值，能最小化其邻接原始像素和插值像素之间的方差之和。

本文提出 Feature Super-Resolution 概念，基于 GAN 实现了图像特征的超像素还原。提高了机器对低分辨率图像的鉴别能力，能有效改善基于低分辨率的计算机应用，如图像检索。

伪圆柱全景图(pseudo-cylindrical panoramas) 才用等距离采样，不受到极区域过度拉伸的影响。但是由于其有效图像中的非矩形格式和边界处的锐边，导致压缩效率底下。

本文对此提出方法提高伪圆柱全景图的帧内和帧间压缩表现，同时减少编码伪痕。

简述球体的各类圆柱面投影方式

本文提出了基于 概率视口自适应 的全景视频传输实现

本文根据 Gestalt 图像原则和布尔图理论，提出融合颜色和梯度二值特征的布尔图显著性检测模型。

本文提出一种在凸面体映射表达的全景视频序列上进行正确运动补偿的方式。