Swin是一种基于Transformer架构的神经网络模型，在计算机视觉领域的图像处理任务中占据重要位置。近年来，Swin模型及相关技术在多类任务中持续取得进展，展现出强大的应用潜力。## Swin 近期进展
NA-UNETR：邻域注意力Transformer提升左前降支动脉3D分割：该研究通过引入邻域注意力机制优化Transformer架构，在医学图像3D分割任务上取得新突破，为临床影像分析提供了更精准的技术支持。
KSSE：稀疏图上的Kohn–Sham谱嵌入图像分类：该工作提出基于Kohn-Sham谱理论的图嵌入方法，在稀疏图场景下的图像分类任务中表现出色，拓展了机器学习在复杂图形数据处理中的应用边界。
OrthKD：异构教师知识蒸馏提升轻量级糖尿病视网膜病变筛查：该框架采用异构教师的知识蒸馏策略，有效提升了糖尿病视网膜病变筛查模型的轻量化效果，为医疗领域资源受限环境下的疾病检测提供了创新方案。
剪刀效应：基于Resize的输入多样性如何影响迁移攻击：该研究聚焦迁移学习中输入多样性与攻击效果的关系，发现不同resize操作对攻击性能存在显著影响，为安全领域模型防御提供了新的研究方向。