本研究提出了 Deformable Video Transformer，利用动态预测小型视频数据块，根据运动信息决定模型在哪里观察视频，并优化变形注意机制，以获得更高的精度和更低的计算成本。

Mar, 2022

构建 3D 人体动作与语言之间的跨模态潜空间对于获取大规模高质量的人体动作数据至关重要，然而，与图像数据的丰富相比，动作数据的稀缺限制了现有动作语言模型的性能，为了解决这个问题，我们介绍了 “动作补丁” 的新表示方法，并通过迁移学习，提出使用视觉变换器（ViT）作为动作编码器，旨在从图像域中提取有用的知识并应用于动作域，我们发现通过使用训练 2D 图像数据获得的 ViT 的预训练权重进行迁移学习可以提高动作分析的性能，为解决有限动作数据的问题提供了一个有希望的方向，我们广泛的实验证明了所提出的动作补丁与 ViT 的联合使用在文本到动作检索以及其他新颖的具有挑战性的任务中取得了最先进的性能，例如跨骨架识别、零样本动作分类和人体交互识别，这些任务目前由于数据缺乏而受到限制。

May, 2024

本篇论文尝试解决计算机视觉中 transformers 架构应用在视频数据时遇到的问题，通过引入可学习的混合函数 PatchBlender，使得 transformers 成功编码视频数据的时间组成部分并提升了基础模型性能。

Nov, 2022

通过使用全新的前向多视图和多阶段合成过程以及语义地图引导策略，提出了一种快速而通用的交互式纹理转移的神经网络框架，从而在粗到细的方式下合成高质量的结果，同时保留了结构和纹理的细节和连贯性，并且相较于交互式纹理转移算法，不仅能够获得更高质量的结果，而且速度也提高了 2-5 个数量级。

Dec, 2021

该论文提出了一种基于补丁匹配的风格转移方法，利用 Retinex 理论和通道分组策略解决了现有技术在生成更好的风格化结果方面存在的挑战，并通过互补融合和多尺度生成策略，实现了更加风格一致的纹理同时保持内容的忠实性。

Sep, 2023

本文提出了一种基于局部匹配和卷积神经网络的简单优化目标，该目标可以在保持效率的同时，产生艺术风格迁移的高品质结果。同时，本文结合内容结构和风格纹理，利用预训练网络的单层来实现该目标，并且使用 80,000 张自然图像和 80,000 张绘画进行反向优化网络的训练，这使得整个算法支持任意图像进行迁移。

Dec, 2016

这篇论文介绍了一种新颖的纹理感知和形状引导的 Transformer 模型，用于增强顺序 DeepFake 检测性能，包括纹理感知分支、双向交互交叉关注模块、形状引导高斯映射策略，并且通过将预测顺序由前向后反转来提高性能。实验证明该方法在性能上明显优于其他方法。

Apr, 2024

本文提出了一种不需要配对训练数据的单向域映射方法，使用 GAN 架构和基于补丁不变性的新型生成器损失来实现适当的图像转换，并通过皮片残差建立了一个输入相关的比例图来准确预测不确定性。通过在三个医学数据集上全面评估，相较于四种最先进方法，我们观察到更高的准确性，表明该方法用于无教师图像转换具有很大的潜力。

Jul, 2022

本文提出了一种基于深度风格转移和学习的光度变换来替换视频中文本的方法，将问题分解为归一化、替换和转移三步，通过新的转移图像变换网络以一种时间一致的方式捕捉光照和模糊效果，实现了真实的文本转移。该方法在维持时间一致性的同时，相较于其他替代方法具有具有更优异的性能与推断速度。

Sep, 2021

提出了一种新的基于生成对抗学习的方法 Dynamics Transfer GAN，用于生成空间时间连续且具有目标图像的视觉特征的视频序列。通过两个鉴别器对所生成的视频序列进行验证，实验结果表明该方法成功地将源视频序列的任意动态特征转移到了目标图像上，同时保持了目标图像的时空连贯性和外观。

Dec, 2017