PulseAugur
中
实时 08:31:15
English(EN) From Attention to Frequency: Integration of Vision Transformer and FFT-ReLU for Enhanced Image Deblurring

Vision Transformer与FFT-ReLU融合，增强图像去模糊效果

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的图像去模糊双域架构，将Vision Transformers (ViTs) 与频域FFT-ReLU模块相结合。该方法旨在通过结合ViTs的空间注意力建模和FFT-ReLU组件强制执行的频率稀疏性，来增强从模糊图像中恢复清晰图像的能力。在基准数据集上的实验表明，该架构在PSNR和SSIM等定量指标以及感知质量方面优于现有的最先进模型。 AI

影响 这种新架构有望在计算机视觉应用中实现更有效、更高效的图像恢复技术。

排序理由 该集群包含一篇详细介绍图像去模糊新技术的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Vision Transformer与FFT-ReLU融合，增强图像去模糊效果

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Syed Mumtahin Mahmud, Mahdi Mohd Hossain Noki, Prothito Shovon Majumder, Abdul Mohaimen Al Radi, Md. Haider Ali, Md. Mosaddek Khan ·

    从注意力机制到频率域：Vision Transformer与FFT-ReLU的融合以增强图像去模糊

    arXiv:2511.10806v1 Announce Type: cross Abstract: Image deblurring is vital in computer vision, aiming to recover sharp images from blurry ones caused by motion or camera shake. While deep learning approaches such as CNNs and Vision Transformers (ViTs) have advanced this field, t…

相关实体

相关话题