本研究提出了一种二维语义感知位置编码（$ ext{SaPE}^2$），有效解决了现有位置编码无法捕捉图像补丁间语义关系的问题，从而显著提升了模型的泛化能力和视觉任务性能。

本文探讨了传统矩形图像补丁注意机制在复杂视觉任务中的局限性，提出了一种基于图像分割的原型对象方法。该方法通过使用原型对象，显著降低了表示复杂性，并在参数更少、训练时间更短的情况下，实现了与最新补丁方法相当或更好的性能。

本研究提出了一种新方法，通过图像补丁攻击视觉语言预训练模型，保持文本完整性，并用扩散模型增强扰动真实性。实验显示，该方法在图像对文本攻击中成功率达100%，在文本对图像任务中效果显著。

本文介绍了一种新的实例分割解决方案SKU-Patch，利用少量图像补丁预测掩模，避免手动操作和模型重训练。实验证明SKU-Patch性能超过现有方法，对50多个SKU的平均抓取成功率接近100％，显示出其有效性和实用性。