据我了解，deepmind 论文https://arxiv.org/abs/1506.02025所描述的STN

• 允许神经网络学习如何对输入图像执行空间变换，以增强模型的几何不变性。

而可变形卷积 https://arxiv.org/abs/1703.06211

• 向标准卷积中的常规网格采样位置添加 2D 偏移。

从论文中：

...可变形卷积不采用全局参数变换和特征扭曲。相反，它以局部和密集的方式对特征图进行采样。为了生成新的特征图，它有一个加权求和步骤，这在 STN 中是不存在的。

对我来说，STN 增强了输入图像，而 DC 增强了内核形状。就网络的视野而言，结果应该相似/相同吗？如有错误请指正。