本研究提出了一种反馈持续学习视觉变换器（FCL-ViT），旨在解决持续学习中适应新任务与保留旧知识的矛盾。该方法通过动态注意力特征生成，超越了现有基准，并且训练参数较少。

本研究提出了一种新型图像恢复架构，结合多维动态注意力和自注意力于U-Net框架，旨在解决户外图像因雨、雾和噪声造成的严重退化问题，从而提升恢复性能和计算效率。