新的图小波压缩感知框架提供高效数据压缩

研究人员开发了一个名为图小波压缩感知（GWCS）的新型基于学习的框架，用于高效压缩图信号。该方法利用谱图小波变换在小波域中稀疏且可解释地表示信号。该框架包含一个多层重要性采样器以保留重要的小波系数，以及一个尺度感知的图神经网络用于信号重建，在各种合成和PDE模拟数据集上与现有基准相比，展示了显著的数据压缩和高保真度。 AI

影响 该框架可以显著降低大规模基于图的科学模拟的数据存储和传输成本。

排序理由 该集群包含一篇详细介绍用于信号压缩的新型科学机器学习框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• dynamic stall on helicopter rotors
• Gotit.pub
• Graph Wavelet Compressed Sensing
• gwcs
• Hugging Face
• IArxiv Recommender
• scale-aware graph neural network
• ScienceCast
• spectral graph wavelet transform
• Turbulent Radiative Layer
• Viscoelastic instability in an asymmetric geometry

• 论文
• 基础设施

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