/面向人脸编辑的一致且可控的图像合成\

Swim Transformer通过窗口化了，窗口之间交互，处理大尺寸图像时候更为高效。应用于图像分类的标准Transformer架构。ViT在大图像和小块尺寸的情况，计算复杂度增长很快。在ViT的基础上改进。

通过进一步探索更加有效的数据增强策略，生成更多的训练样本，减少噪声的干扰，达到环节因为微表情数据集有限导致的过拟合。根据亮度的恒常性质以及连续运动或小幅度运动的两个假设，计算像素之间的变化来描述面部的运动信息。旨在解决从细微短暂的面部变化中提取到有效特征，克服无关动作所带来的干扰，并且解决数据集不足和样本不平衡所带来的问题。采用监督对比学习方法。通过标签信息来避免正样本误判的问题，使相同类别的图像

/5.7—5.13。