研究人员开发了GramStatTexNet,一个用于纹理分析和合成的新颖框架,它将传统模型的多尺度Gabor滤波器结构与基于Gramian的相关性的灵活性相结合。这种混合方法旨在通过将统计数据组织到结构化的滤波器家族中,来提高与深度学习方法相比的可解释性和紧凑性。该框架允许将合成保真度分解为来自特定滤波器家族的贡献,并学习保留感知纹理信息的、可解释的低维嵌入。GramStatTexNet展示了具有竞争力的合成质量,同时在紧凑性和可解释性方面具有优势,并扩展到外围和动态纹理。 AI
影响 提供了一种更具可解释性和紧凑性的纹理建模方法,有可能改进视觉分析系统。
排序理由 该集群描述了一篇关于纹理分析和合成新颖框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gabor filter
- Gotit.pub
- Gramian matrix
- GramStatTexNet
- Hugging Face
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →