研究人员开发了 SRGAN-CKAN，一个新颖的单图像超分辨率框架，通过改进局部算子来增强细节重建。该方法将卷积 Kolmogorov-Arnold 网络 (CKAN) 集成到对抗学习设置中，将卷积重新表述为非线性块变换。该方法使用基于样条的函数表示来有效地建模复杂结构和高频纹理，在极少的计算资源下实现了感知质量和重建保真度之间的平衡。 AI
影响 引入了一种更高效的图像超分辨率方法，有可能在性能较低的硬件上实现更高质量的重建。
排序理由 这是一篇详细介绍图像超分辨率新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
