使用常量图像变形后接简单卷积的方法可以使该架构等变于广泛的双参数空间变形，此方法在 Google Earth 数据集和 Annotated Facial Landmarks in the Wild 数据集中都呈现出良好的效果。

Sep, 2016

通过根据局部和全局时间上下文校准卷积权重，将时空卷积赋予时间建模能力，从而为视频理解提供效率更高、模型容量更大的 TAdaConv，并通过 TAdaConvNeXtV2 和 TAdaFormer 在各种视频理解评估中取得与最先进的基于卷积和 Transformer 的模型相竞争的实证结果。

Aug, 2023

本文探讨了 Local Vision Transformer 的前身 ——Vision Transformer 和其一种局部注意力机制 —— 局部连接的形式，并从 network regularization 角度分析了其权重的稀疏性、共享性以及动态性。此外作者还针对这种局部连接进行的实验证明它的有效性，并提供了开源实现代码。

Jun, 2021

本文介绍了一种新的层用于选择性地在图像中放置信息，并选择图像合成的笔划宽度。方法利用了三个想法：首先，回归推断出转置卷积结果的位置偏移量；其次，将偏移位置权重广播到可学习的邻域；第三，利用紧凑参数化共享权重和限制偏移量。最终结果表明，该方法可应用于诸如实例分割、目标检测、语义分割、生成图像建模和 3D 磁共振图像增强等多种任务，并优于现有的转置卷积变体。

Oct, 2022

提出了一种名为 DRConv 的动态区域感知卷积，它可以自动将多个过滤器分配给具有相似表示的相应空间区域，以更有效处理复杂和不同的空间信息分布，从而代替任何现有网络中的标准卷积，尤其适用于高效网络中的动力卷积层。在 ImageNet 分类中，DRConv-based ShuffleNetV2-0.5x 在 46M 乘积添加水平下实现了 67.1% 的最新性能，相对改进了 6.3%。

Mar, 2020

MobileViT 使用卷积神经网络和视觉 transformer 结合，提出了 MobileViTv3-block 来处理模型缩放以及简化学习任务问题，其在 ImageNet-1k、ADE20K、COCO 和 PascalVOC2012 数据集上表现更优。

Sep, 2022

该研究提出了在卷积神经网络的训练阶段中随机转换特征图以增强模型对空间变换的不变性，从而显著提高了 CNN 在图片识别等许多基准任务上的表现。

Nov, 2019

本研究提出了一种匹配追踪全变差正则化的方法，即 MPTV，通过使用不均匀正则化来解决传统 TV 正则化的过度平滑和解决偏差问题，该方法在图像去卷积方面表现出优异的性能。

Oct, 2018

本研究提出一种名为时域自适应卷积 (TAdaConv) 的视频理解技术，通过根据局部和全局时间上下文为每个帧调整卷积权重，使空间卷积具备时间建模能力，从而实现了对视频中复杂时序动态的有效建模和优化，并在多个视频动作识别和定位基准上实现了与现有先进方法至少一致或更好的表现。

Oct, 2021

通过引入 TabConv 技术，本研究提出了一种基于表格的近似卷积方法，显著减少了卷积推理中的算术运算量，同时通过基于余弦相似度的优先掩码技术选择层级进行表格近似，从而保持了模型性能，并在多个常用 CNN 模型上进行了评估，实现了低计算量的推理。

Apr, 2024