该研究提出了一种通过建模细粒度城市范围内历史人流的时空模式来预测未来城市范围内人流的方法，利用一种名为 PASTA 的神经网络来准确捕捉细粒度地图的不规则时空模式，实验结果表明我们的模型在存在不规则空间区域的复杂条件下表现优于其他基准模型，并提供定性分析以得出模型高度关注的关键时间信息。

Oct, 2023

本文提出了一种轻量级神经网络 EAPNet，采用多维轻量级编码模块提取特征并提出了 PDUB 模块进行动态调整 MAccs 和 PSNR 的性能。此外，利用快速低功耗的对齐模块解决了 Misalignment 问题，实验结果表明，与现有方法相比，我们的方法在 MAccs 上压缩约 20 倍，并获得了 NTIRE 2022 HDR 挑战的第二名。

Apr, 2022

本文提出 PASTA 技术通过改变合成数据在傅里叶域中的频谱振幅，在纹理级别上产生增强的视角，这使得它在五个 syn-to-real 任务中超越更复杂的现有方法且互补性很强。

Dec, 2022

本文提出了一种采用空间 - 时间抽象进行场景感知的长时程变形物体操作规划框架（PASTA），其将高维 3D 观测映射到一组潜变量上，生成技能序列，能够在真实环境中快速地、有效地执行复杂的变形物体操纵任务，需要组合刀具使用技能、推力器推动技能和滚筒铺面技能。

Oct, 2022

本研究旨在设计一种新的关注区块，其见解来自于 SR 网络的局部归因图解释。我们使用轻量级全局像素访问模块处理全局区域，使用 Intra-Patch 自我关注模块处理局部区域，并使用级联补丁划分策略来提高恢复图像的感知质量。实验结果表明，我们的方法比最先进的轻量级 SR 方法表现更好。

Nov, 2022

该研究提出了一种用于处理动态场景运动去模糊的有效像素自适应和特征关注设计，并使用有效的内容感知全局 - 局部过滤器模块，通过动态利用相邻像素信息和全局依赖性来显著提高性能，从而 surpassed 其他先前的去模糊方法。

Apr, 2020

介绍了一种名为 PASTA 的方法，该方法允许大型语言模型通过用户指定的强调标记来读取文本，从而提高模型遵循用户指示或整合来自用户输入的新知识的能力。

Nov, 2023

本文提出了一个端到端的在线三维视频物体检测器，该模型由空间特征编码组件和时空特征聚合组件组成。在空间特征编码组件中，提出了一种新的 Pillar Message Passing Network（PMPNet）模型，用于对离散点云帧进行编码。在时空特征聚合组件中，提出了一种注意力时空变换门控循环神经网络（AST-GRU），它通过注意力机制强调了前景物体并对动态物体进行了对齐。实验结果表明，该模型在大规模 nuScenes 基准测试中实现了最先进的性能。

Apr, 2020

该论文提出了一种名为 PSLA 的新型模块，它通过逐步稀疏的步幅在局部区域内建立跨帧特征间的空间对应关系，并使用这个对应关系来传播特征。基于 PSLA，提出了 RFU 和 DenseFT 来分别建模时间外观和丰富特征表示，进而构建了一种新型的视频目标检测框架。实验表明，该方法在模型大小更小、运行时间可接受的情况下取得了最佳准确度。

Mar, 2019

本文提出了一种利用物理雾先验和聚合时间信息的视频除雾框架，并构建了首个大规模室外视频除雾基准数据集，实验结果表明该方法的卓越性。

Mar, 2023