本研究分析了使用RGB图像进行皮肤病变分类时，训练数据与实际应用之间的差距，评估了皮肤镜图像与临床样本的差异，探讨了数据变异对模型表现的影响，并提出结合不同数据分布的方法以提高模型准确性。

通过GaitMorph方法修改步态序列，为步态识别系统提供更多数据变异和模拟额外的步行变化。利用高压缩模型训练步态骨架序列，构建离散且可解释的潜在空间，并提出基于最优传输理论的方法来学习离散码本上的潜在传输映射，以变形步态序列。实验证明该方法适用于合成额外视图。