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TAFM-Net模型，旨在解决皮肤病变分割中的异质性问题。通过结合自适应变换器注意力和聚焦调制，显著提升了分割性能。研究结果表明，该模型在多个数据集上表现优异，具有医疗图像分析的应用潜力。