本研究提出了一种新型滤波器，结合推拉抑制机制，以提高图像处理中的噪声稳健性。实验表明，视觉transformer模型在数据破坏情况下表现优越。此外，研究探讨了通过生物启发的神经元表示和动态网络架构来增强视觉感知的稳健性。

本文研究了模拟灵长类视觉皮层的模型对图像破坏的鲁棒性改进的重要性，发现具有生物采样的模型对图像破坏具有较高的鲁棒性。类似神经元亚种群对下游处理的影响不同，揭示了仿生模型鲁棒性改进的原因，指向了精确模仿灵长类大脑中神经元表示的必要性。