本研究提出了一种新的图增强纹理编码网络（GraphTEN），有效解决了纹理识别中的非局部上下文关系建模问题，显著提升了识别性能。

本研究提出VORTEX方法，利用视觉变换器（ViTs）进行纹理识别，克服了深度卷积神经网络的局限性。VORTEX通过无序编码和多层次标记嵌入，在多个纹理数据集上展现出优越的性能和计算效率。

该研究评估了21个预训练Vision Transformer架构在纹理识别中的性能，结果显示Vision Transformers在纹理识别方面表现优于其他模型，尤其在处理互联网纹理任务时更突出。ViT-B with DINO pre-training，BeiTv2，Swin architecture和EfficientFormer被认为是更具潜力的模型。此外，ViT-B和BeiT(v2)在GPU上的特征提取时间比ResNet50更短，实现了更高的效率。