本研究提出自适应掩模补全网络（AMI-Net），旨在改善无监督视觉异常检测方法在恢复异常区域的不足。通过多尺度语义特征提取和随机掩模训练，该方法有效掩盖异常区域并保留正常信息，提升缺陷重建效果。实验表明，该模型在准确性与实时性能之间取得良好平衡，适用于工业应用。

MRC-Net是一种多分辨率上下文网络，通过多尺度特征提取和双向递归学习模型来提高前景分割网络的性能。

该文介绍了GeoAgent框架，用于遥感图像分析。该框架自适应地捕捉图像块外的合适尺度上下文信息，并通过尺度控制代理进行尺度选择动作来切换分割网络的尺度和上下文分支，实现了多尺度图像块特征的提取和融合。实验证明GeoAgent在大规模制图应用中优于传统分割方法。