新的GalerkinFlow框架通过监督整个重建路径来增强超分辨率

研究人员推出了一种新颖的框架GalerkinFlow，专为科学领域和图像处理中的超分辨率任务而设计。与仅监督最终高分辨率输出的传统模型不同，GalerkinFlow监督从粗糙输入到精细目标的整个重建路径。这是通过预测中间残差并使用伪端点损失来实现的，该损失在数学上与中间速度损失相关联。该框架还包含一个有限差分目标来约束局部空间变化，并将卷积特征与尺度条件下的Galerkin算子混合相结合，而无需控制方程或物理元数据。 AI

影响 通过监督中间重建步骤，引入了一种用于提高科学和图像数据超分辨率精度的新颖方法。

排序理由 详细介绍超分辨率新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• Darcy flow of polymer from an inclined plane with convective heat transfer analysis: a numerical study
• DIV2K
• GalerkinFlow
• NAVIER STOKES ANALYSIS OF THE AERODYNAMIC PROPERTIES OF COAXIAL ROTORS

• 论文
• 模型发布

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