IEEE transaction on robotic上的视觉slam综述论文，总结的非常好

数字图像处理课要求写的综述论文，图像压缩算法的综述，把参考文献放到最后就好了

清华大学孙茂松课题组，《图神经网络: 方法与应用》综述论文。

小样本学习是当前研究关注的热点。这篇论文总结了2016年到2020年的小样本元学习文章，划分为四类：基于数据增强; 基于度量学习，基于元优化; 和基于语义的。值得查看！

句法依存分析是自然语言处理中的一项重要任务。无监督依存解析旨在从没有正确解析树注释的句子中学习依存解析器。尽管无监督解析很困难，但它是一个有趣的研究方向，因为它能够利用几乎无限的无注释文本数据。它也为其他低资源解析的研究提供了基础。

最新的技术进步提高了交通运输的质量。新的数据驱动方法为所有基于控制的系统(如交通、机器人、物联网和电力系统)带来了新的研究方向。

近年来，以知识图谱作为边信息生成推荐引起了人们的极大兴趣。这种方法不仅可以缓解上述问题，提供更准确的推荐，而且可以对推荐的项目进行解释。本文对基于知识图谱的推荐系统进行了系统的研究。我们收集了这一领域最近发表的论文，并从两个角度进行了总结。一方面，我们通过研究论文如何利用知识图谱进行准确和可解释的推荐来研究所提出的算法。另一方面，我们介绍了这些工作中使用的数据集。最后，我们提出了几个可能的研究方向。

国防科技大学郭裕兰老师课题组新出的这篇论文对近几年点云深度学习方法进行了全面综述，是第一篇全面涵盖多个重要点云相关任务的深度学习方法的综述论文，包括三维形状分类、三维目标检测与跟踪、三维点云分割等，并对点云深度学习的机制和策略进行全面的归纳和解读，帮助读者更好地了解当前的研究现状和思路。

当前的深度学习研究以基准评价为主。如果一种方法在专门的测试集上有良好的经验表现，那么它就被认为是有利的。这种心态无缝地反映在持续学习的重现领域，在这里研究的是持续到达的基准数据集。

异常检测是许多研究领域所面临的重要问题。探测并正确地将一些看不见的东西分类为异常是一个具有挑战性的问题，多年来已经通过许多不同的方式解决了这个问题。生成对抗网络(GANs)和对抗训练过程最近被用来面对这一任务，产生了显著的结果。在本文中，我们综述了主要的基于GAN的异常检测方法，并突出了它们的优缺点。在不同数据集上的实验结果的增加，以及使用GAN的异常检测的完整开源工具箱的公开发布。