我们提出了一种名为MDeRainNet的高效网络，用于去除光场图像中的雨线。该网络采用多尺度编码器-解码器架构，并通过ESAI模块建模空间和角度信息的全局相关性。半监督学习框架提升了泛化性能。实验结果显示，该方法在合成和真实光场图像上优于现有方法。

本研究提出了一种名为RespDiff的多尺度RNN扩散模型，用于简化呼吸率监测。该模型通过多尺度编码器和双向RNN处理PPG信号，无需手动特征提取，准确性高于其他方法，平均绝对误差仅为1.18 bpm，为真实环境下的呼吸监测提供了新可能。