本研究针对传统视觉变换器在组织病理图像分析中的应用面临的数据标注成本高及计算负担重的问题，提出了一种新颖的轻量级乳腺癌分类方法。通过结合离散余弦变换注意力和MobileConv的并行处理途径，我们显著提升了分类效率和准确性，模型在二分类任务中达到96.00%的准确率，展示了在减少对大量标注数据依赖的同时，仍能实现优良的分类性能。

本文介绍了DCT离散余弦变换及JPEG压缩算法，重点讨论了有损压缩的DCT和无损的哈夫曼编码。还提到JPEG 2000的特点，如低码率和渐进传输。内容涵盖傅立叶变换到DCT的过程、颜色模式转换、采样、分块、量化及哈夫曼编码等技术细节。

随着计算机和网络技术的发展，数字媒体的版权保护变得越来越重要。本文介绍了多通道、多层水印的制作和抵抗攻击的方法。通过变换域DCT水印算法，可以保护知识产权和防止未经授权的访问。攻击实验表明，在合理的分块和频域位置选择下，该算法可以抵抗一定程度的攻击手段，但会影响图像的清晰度。

该论文提出了一种全面的深度伪造图像生成与识别的方法，创建了一个名为 DeepFakeFace (DFF) 的数据集用于训练和测试检测深度伪造图像的算法，并提出了两种评估方法来测试深度伪造识别工具的强度和适应性。该研究发现不同的深度伪造方法和图像变化产生了多种结果，突显了对深度伪造检测器的需求。该 DFF 数据集和测试旨在促进更有效的抵御深度伪造的工具的发展。

该文介绍了一种名为 Under-Display Camera (UDC) 的技术，可以在显示面板下隐藏前置摄像头，提供全屏体验。作者提出了一种名为 UDC-DMNet 的双阶网络，可以合成 UDC 图像，并使用高质量人脸图像创建了用于 UDC 人脸恢复的训练和测试数据集。作者还提出了一种名为 DGFormer 的新型字典引导变换网络，可以应对 UDC 场景中的盲目人脸恢复。实验证明，作者的 DGFormer 和 UDC-DMNet 取得了最先进的性能。