该研究提出了一种新颖的端到端图像复制移动伪造检测框架，它结合了传统和深度学习方法的优势，利用高分辨率尺度提取特征进行源和目标区域的明确可靠点对点匹配，并提出了一种新型的成对排序学习框架来分离源和目标区域，取得了显著的泛化能力和优于现有方法的检测性能。

该文章介绍了一种简单有效的方法，使用PatchMatch和Transformers模型将动态纹理传递到静态图像。通过合成起始帧和预测补丁，最后合并成目标风格化视频的每一帧。实验证明了该方法的有效性和优越性。

介绍了一种可学习的DeformSampler，用于解决多视图立体匹配中深度估计的挑战。DeformSampler通过学习样本空间，传播与场景几何一致的深度，并拟合实际深度分布。集成到PatchMatch MVS系统中，提高挑战性区域的深度估计性能。实验证实了其卓越性能和泛化能力。