焦距呼吸是指相机镜头在调整焦距时视野变化的现象，尤其在视频拍摄中更为明显。高端相机通过实时调整传感器尺寸来补偿焦距变化，以保持视野角度恒定。在摄影中，焦距呼吸影响较小，但在焦点堆叠等特定情况下可能导致图像对齐问题。

本研究提出了一种新颖的自回归变换（ART）方法，有效解决了图像对齐在特征稀疏、极端尺度和大变形下的不足，实验结果表明ART在复杂条件下表现优异。

本研究提出ATPrompt方法，通过引入多种通用属性，克服了文本提示学习在未知类别处理中的局限性，显著提升了图像与未知类别的对齐效果。实验结果表明，该方法在11个数据集上表现优异，且计算成本增加不显著。

该研究提出了一种名为CPLIP的无监督技术，用于增强组织病理学中的图像和文本对齐。CPLIP通过构建病理学词典和使用语言模型生成文本描述，利用多对多对比学习微调模型，实现复杂概念的模态对齐。在多个任务中，CPLIP在零样本学习中表现出色，超越现有方法，并提高了可解释性和鲁棒性。代码已发布在GitHub。

MindDiffuser是一种两阶段图像重建模型，使用fMRI进行前向估计和反向传播来实现图像对齐。实验结果表明该模型超过了现有的最先进模型，并与大脑反应的多模态特征解释力一致，证实其神经生物学的合理性。