我们提出了一种名为自适应特征融合神经网络 (AFNN) 的方法，用于未知领域的青光眼分割。该方法由三个模块组成：域适配器、特征融合网络和自监督多任务学习。在四个公共青光眼数据集上，我们的方法取得了有竞争力的性能。

研究者提出了基于编码器-解码器网络的联合注意力引导特征融合网络（JAFFNet）用于面部缺陷的显著性检测，实现了每秒66帧的实时缺陷检测速度。

DCFFNet是一种新型分阶段深度相关性和特征融合网络，用于优化可视化跟踪的特征提取。该网络基于孪生网络架构构建，利用多个大规模数据集进行端到端训练。实验结果表明，该方法在准确性和精度方面与许多领先的跟踪器相比具有竞争力，同时满足应用的实时要求。