该研究提出了一种结合预训练视觉模型和可解释性算法的新方法，用于分析荧光光谱数据。通过特定特征工程的神经网络，深入理解数据的物理化学过程。在初榨橄榄油氧化分析中，该方法有效预测质量指标并识别光谱带，推动光谱学的深度学习应用。

本文提出了一种多尺度深度特征统计（MDFS）模型，用于实现无人为偏差的盲目图像质量评估（BIQA）。该模型将预训练视觉模型的深度特征与统计分析模型结合，消除对人为评分数据的依赖，并提高训练效率。实验结果显示该模型在各种数据集上具有更好的一致性和泛化性能。

介绍了ColorMNet视频着色方法，利用内存特征传播模块、预训练视觉模型和局部注意力模块提取视频帧特征，在基准数据集和真实场景中表现出优异效果。