还在用固定感受野看所有位置？CVPR 2026提出的PFG 让模型学会“哪里该看大，哪里该看细”，增强模型对复杂时空结构与运动变化的表征能力。

视觉模型怎么抓住关键？来看CVPR 2026的即插即用基于中心像素的双路径多头注意力(CPDMA)模块，实现了自适应和非线性特征交互。

Transformer 不缺注意力，缺的是知道该关注哪里！来自CVPR 2026的UPT模块，实现基于不确定性引导的特征细化，从而提升在不确定区域中的效果。

注意力能不能显式理解“曲线”和“结构”？来自于TGRS 2026的局部曲率引导注意力(LCGA), 通过曲率调制强化边缘与脊线区域。

时序&NLP任务通用！来自于ICLR 2026的全局时间检索器（GTR）模块，维护着整个周期的自适应全局时间嵌入，并动态地检索相关的全局片段。

CVPR 2026新型卷积！让方向先验增强CV模型！引导边缘门控卷积 (HoGEdgeGateConv)展现了其高效性和强大的表征能力。

小目标真的“信息少”吗？来看AAAI 2025提出的高频感知模块（HFP），该模块从空间和通道两个角度增强和突出原始特征图中微小目标的特征。

英伟达&北京大学联合发布！来自于ICLR 2026的MHLA，它通过在Token维度上划分多个注意力头来计算注意力，从而保留了这种多样性！

时序&NLP通用！来自AAAI 2026的多变量相干注意力（MVCA），该操作利用谱相干性来刻画变量间的依赖关系。

一个卷积同时照顾细节和结构！来自TGRS 2025的频率-空间卷积（FSConv），高频线索聚焦于局部细节以突出小目标，而低频线索则提供全局信息以补充空间特征。

视觉任务超越传统方法的高频纹理重建! 来自TGRS 2025的傅里叶域稀疏自注意力(FSSA)模块，通过局部敏感哈希（LSH）等技术，显著增强图像的细节和质量！

让目标细节不再丢失! 来自于TGRS 2025的参数化小波下采样模块（PWD），在频率细化过程中保留小目标细节，防止特征碎片化！

点云|局部聚合别再硬拼坐标了！NeurIPS 2024提出的 DSA 把几何和语义拆开，分别利用空间各向异性与通道各向异性，实现了更高效的局部聚合。

引入图结构聚合优化图像处理！OCGA将图结构中具有相似特征的相邻节点聚合起来，从而更好地聚焦于特征。

破解复杂时序数据的难题! MGA带来全新的粒度自注意力革命！可学习粒度内部和粒度之间的特征和相关性。

精准与高效并存！来自ICCV 2025的多核深度可分离卷积(MKDC), 能够通过多个卷积核巧妙地处理图像，同时捕捉复杂的多分辨率空间关系！

告别模糊，迎接清晰! AAAI 2025提出的相位融合模块（PIM），在频域和空域中恢复更清晰的特征！

NeurIPS 2025 注意力新机制！CBSA 让自注意力 “降维” 还提效，线性复杂度 + 可解释性双 buff 拉满！

来自ACM MM2025的跨范式交互与对齐自注意力-CPIASA！使得网络能够利用稀疏性，保留最有价值的注意力信息！能够有效地建模局部细粒度特征以及相邻空间像素

重新定义注意力！来自ICCV2025年的多极注意力机制(MultipoleAttention),将注意力视为网格点之间的相互作用问题,以基于距离的多尺度方式计算

从空域到频域的跃迁！MIA2025提出的全局傅里叶卷积模块 (FCB)，通过将常规空域卷积转换为频域，具有全图像感受野和低计算复杂度！

跨越尺度与信息的边界！TGRS 2025提出的多尺度稀疏交叉注意 力(MSC) 模块，将高级特征与各种低级特征交叉融合，从而有效地从多级特征中挖掘有用信息！

膨胀卷积与分组技术的完美结合! CVPR2025提出的多尺度分组膨胀卷积(MSGDC), 提供高效的多尺度特征提取，同时降低计算成本!

重构清晰视觉! TGRS 2025提出的残差列空间自校正模块(RCSSC)模块，增强列特征、空间信息和长程依赖关系！