本研究提出了一种自适应变换器架构（ADAT），旨在改善手语翻译系统在捕捉短期时序依赖性和训练效率方面的不足。ADAT通过门控机制增强特征提取，显著提高了手语到文本翻译的准确率，并减少了训练时间。

本研究提出了一种新模型TAFM-Net，结合自适应变换器注意力和聚焦调制，旨在解决皮肤病变分割中的异质性问题。研究结果表明，TAFM-Net在多个数据集上表现优异，显示了其在医疗图像分析中的应用潜力。