English(EN) Phase-Aware Wavelet-Based-Scattering Encoder-Decoder for Dense Predictions

新模型增强了用于计算机视觉任务的散射变换

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-26 04:00

研究人员开发了一种新的相位感知散射编码器-解码器模型，旨在改进计算机视觉中的密集预测任务。该模型通过保留通常在全局平均中丢失的空间结构和相位信息来增强散射变换。在图像去噪上的初步测试显示PSNR显著提高，并且一项关于皮肤病变分割的初步研究也正在进行中。 AI

影响引入了一种新颖的深度学习架构，有望提高图像去噪和分割任务的性能。

排序理由该集群包含一篇详细介绍新模型架构和实验结果的学术论文。[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 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Ghassen Marrakchi, Basarab Matei · 2026-05-26 04:00

Phase-Aware Wavelet-Based-Scattering Encoder-Decoder for Dense Predictions

arXiv:2605.24621v1 Announce Type: cross Abstract: Scattering transforms achieve Lipschitz stability and translation invariance, but dense prediction tasks require preserving spatial structure lost in global averaging. We propose Phase-Aware Scattering Encoder-Decoder, which resto…