本文提出了一种基于标签的大规模字体检索方法，通过构建包含近 20,000 字体、2,000 标签和数十万个字体 - 标签关系的数据集，设计了一种新型的生成特征学习算法，结合注意机制和识别 - 检索模型，有效提升了字体检索的性能。
Sep, 2019
本文介绍了一种基于注意力生成字形和可训练字体嵌入的方法，用于解决字体风格差异和排版不规则性在场景文本识别中带来的挑战，并通过实验证明了该方法的优越性。
Sep, 2020
本文提出了一种基于学习参考字形细粒度局部风格和内容与参考字形间的空间对应关系的方式生成新字体的方法，并采用交叉注意力机制将参考字形风格聚合成更细粒度的表示，实验证明这种方法在少量样本下生成的字体质量和风格一致性均优于现有的方法。
May, 2022
本文提出了一种深度分解模型，用于字体分析，能够将内容与样式区分开来，并成功实现了从未见过的字体的笔画重构。
Oct, 2019
本文提出了一种新的字体生成方法，该方法通过学习局部风格表达，即以组件为基础的字体风格表达，而不是普适的字体风格表达。该方法在仅有 8 个参考字符的情况下，生成效果优于其他现有方法。同时，该方法未利用强的局部学习监管。
Dec, 2021
该论文提出了一种基于序列到序列的文档摘要模型中的注意力机制改进方法，结合局部方差损失和全局方差损失分别从局部和全局方面增强注意力的监督，并在 CNN/Daily Mail 数据集上验证了其有效性。
本文提出了一种新的注意力机制，称为主题引导注意力，在图像字幕生成中应用，通过将图像主题整合到注意力模型中作为指导信息，协助选择最重要的图像特征。在微软 COCO 数据集上的实验结果表明，该方法在各种定量指标上具有最先进的性能。
Jul, 2018
该研究通过属性指导下的注意力定位方案设计新的奖励策略，使用强化学习算法定位具有空间和语义区别的局部特征区域，从而在精细识别和属性识别方面超越了传统基于部件的方法。
May, 2016
本文提出了一种基于 Transformer 和注意力机制的对称变压器框架，其中融合了局部感知机制和全局相关特征学习，在图像压缩方面表现出更好的效果。
Mar, 2022
本篇研究提出了一种基于学习性高斯偏置的自注意力网络的局部特征建模方法，能够从更细致的角度获取有用的局部上下文信息，通过实验验证证明该方法能够有效地应用于翻译任务中。
Oct, 2018