该文章介绍了一种基于动量编码器的切片间融合变压器（MOSformer）方法，用于医学图像分割。该方法通过利用不同编码器提取的多尺度特征图中的切片间信息，克服了2.5D模型在处理每个切片时未能有效学习和利用切片间信息的问题。该方法在三个基准数据集上取得了较好的分割性能。

本文介绍了一种新型的无监督测试时训练（TTT）技术，通过最大化多尺度特征图和离散潜在表示之间的相互信息，提高深度学习模型在视觉任务中的性能。实验证明该技术在常见测试时适应基准上具有竞争力的分类性能。