本研究提出了一种基于注意力的多尺度时间融合网络，用于多模式过程中的故障诊断。该方法通过提取多尺度特征和时间注意力机制，提高了诊断准确性，实验结果表明其性能优越且模型体积小。

研究团队开发了Enhance-A-Video算法，通过调整时间注意力层参数，显著提升视频生成的细节和连贯性。该算法无需训练，兼容多种视频生成模型，广泛应用于多个框架，解决了时序不一致和细节模糊问题。

本研究提出了一种基于时频分析的时间注意力重加权算法（TiARA），旨在解决长视频生成中的一致性问题，特别是视频的平滑性和场景过渡。同时，提出了提示插值管道PromptBlend，以提升多提示生成视频的质量。实验结果表明，该方法在一致性和效果上显著优于基线方法。