discrete cosine transform
PulseAugur coverage of discrete cosine transform — every cluster mentioning discrete cosine transform across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的轻量级Med-VQA框架使用记忆和图注意力
研究人员开发了MedFG-VQA，一个旨在提高医学视觉问答（Med-VQA）能力的新型轻量级框架。该系统利用记忆库增强离散余弦变换（DCT）产生的低频特征，并采用图感知交叉注意力来更好地对齐视觉和文本数据。为了应对数据稀缺问题，使用GPT-4o在各种成像模态上生成了一个名为SynMed-VQA的合成数据集，包含超过200万个问答对。
-
新方法从压缩误差估计图像相似度
研究人员开发了新的方法，用于从基于DCT压缩图像的均方误差（MSE）估计结构相似性指数（SSIM）。这些方法通过基于方差或标准差的加权重新分配全局MSE来近似局部MSE，与仅使用全局MSE相比，显著提高了准确性。在Kodak和Xiph Subset1数据集上的实验表明，这些方法在各种JPEG质量级别上提供了稳健的SSIM近似，并且旨在扩展到视频处理。
-
新型可训练基在图像压缩方面超越JPEG
研究人员开发了一种使用可训练多线性基进行图像压缩的新方法，该方法借鉴了量子多体理论。这些基以等距张量网络的形式参数化，并在酉矩阵上进行优化，旨在提高压缩效率，超越离散傅里叶变换和离散余弦变换等传统方法。新方法在性能上持续优于固定的非参数基，在压缩Quick Draw线条图方面表现尤为突出，在同等重建质量下，其字节数比JPEG减少了约20%。
-
新的DDMM框架增强了高光谱图像融合
研究人员引入了一种名为双域流形建模（DDMM）的新颖框架，以改进高光谱图像融合。该方法通过更好地建模几何约束和利用光谱相似性来解决现有方法的局限性。DDMM框架包含一个拓扑感知Transformer（TPFormer）以增强空间-光谱结构学习，以及一个频率解耦空间-光谱协同融合（FDSCF）模块来优化特征组件。实验表明，DDMM在保留空间细节和重建光谱信息方面优于当前最先进的方法。
-
新技术改进Transformer KV缓存压缩
研究人员开发了Codec-Gauge，这是一种训练后层，旨在改进长上下文Transformer模型中键值（KV）缓存的压缩。该方法学习正交通道变换，以优化KV缓存的坐标几何以适应压缩后端。通过将KV能量集中在低频布局中，Codec-Gauge显著降低了KL散度，并提高了各种量化方法的质量保持能力，其性能优于PCA和DCT等标准技术。
-
量子水槽增强射频频谱异常检测 · 跟踪 2 个来源
研究人员开发了一种使用量子水槽（Quantum Kitchen Sinks, QKS）检测射频（RF）频谱异常的新方法。该方法扩展了标准的 QKS 模板，引入了多深度数据重上传和环形纠缠，以增强其在结构化信号数据上的性能。研究系统地评估了各种配置，发现离散余弦变换（DCT）表示和中等深度的纠缠 QKS 模型产生了最佳结果，AUROC 达到 0.8778，F1 分数达到 0.7995。该框架已在真实蜂窝信号上得到验证，并在 ibm_qu…
-
Freqformer Transformer通过频率分解解决图像去摩尔纹问题
研究人员推出Freqformer，一个新颖的基于Transformer的框架，旨在解决具有挑战性的图像去摩尔纹任务。该方法有效地将摩尔纹图案分解为不同的高频纹理和低频颜色失真，并通过双分支架构进行处理。一项关键创新是可学习的频率组合变换（FCT）模块，它自适应地融合这些特定频率的输出以实现高保真重建。此外，空间感知通道注意力（SA-CA）模块通过增强空间依赖性和通道间信息来优化对摩尔纹敏感的区域。
-
新轻量级框架利用频率和空间数据增强水下图像
研究人员开发了一种新颖的轻量级实时水下图像增强（UIE）框架，该框架将频域信息与空间域处理相结合。所提出的系统利用了具有固定DCT先验的多分支可重参数化卷积（MBRConv-DCT）和频域引导双路径注意力（FGDPA）模块。这种方法通过引入对频率敏感的先验来克服纯空间域方法的局限性，从而实现了一个性能高、延迟低的紧凑型模型。
-
FrequencyFormer 管道提升了 Vision Transformer 在边缘设备的效率
研究人员开发了 FrequencyFormer，这是一个新颖的管道，旨在提高 Vision Transformer (ViTs) 在传感器边缘系统的部署效率。该方法利用频域压缩图像数据，减少了从传感器到处理器传输所需的能量和带宽。FrequencyFormer 使用多尺度 DCT 分词器创建紧凑的频域标记，在最小的精度损失下实现了显著的数据缩减。它还结合了近传感器硬件实现和修改后的通信架构，以进一步提高能效，在 TOPS/W 和通信能…
-
新的FAFM方法生成连续、稳定的机器人动作
研究人员开发了一种新颖的技术——频率感知流匹配（FAFM），通过生成连续且时间上一致的运动来改进机器人动作生成。FAFM解决了现有方法依赖离散动作块的局限性，这些方法在处理以不同频率收集的数据时可能导致不稳定。通过使用离散余弦变换将动作序列转换到频域，然后通过余弦基展开进行重构，FAFM能够生成更平滑、更鲁棒的动作。该方法已在各种基准测试和实际的Franka机器人上取得了成功，提高了控制稳定性和多模态表现力。
-
新型ShearFuse-UNet模型高效预测野火蔓延
研究人员开发了ShearFuse-UNet，这是一种新颖的深度学习模型，用于利用卫星数据预测野火蔓延。该模型以其轻量级架构和计算效率而著称，集成了三个不同的变换域分支来分析卫星图像。它实现了有利的准确性-效率权衡，在基准数据集上优于更大的基于ResNet18的U-Net。
-
新的变换学习方法取得最先进的成果
研究人员开发了一种新颖的双稀疏显式条件变换学习方法，旨在改进数据压缩、降噪和特征提取。该方法结合了固定的规范矩阵和数据自适应稀疏分量，以创建可控、可适应的变换。新算法受非精确近端方法启发，在其特定的学习问题上展示了最先进的结果，并以降低的计算成本提供了与密集变体相当的性能。
-
新AI框架生成功能磁共振成像数据以识别脑部疾病
研究人员开发了一个名为双谱流匹配（DSFM）的新框架来生成功能磁共振成像（fMRI）时间序列数据。该方法通过更好地复制原始BOLD信号的非平稳和动态特性，解决了当前生成模型的局限性。DSFM利用小波和余弦变换来捕捉多尺度变化和能量压缩，最终改进了下游脑部疾病分类任务。
-
新的FRONT框架支持无训练的模型初始化
研究人员开发了一个名为FRONT的新框架，该框架利用频域知识实现更高效的模型初始化。该方法将模型的基础知识（称为“learngene”）与权重的低频分量分离开来。然后，learngene可以用于初始化任何大小的模型，而无需重新训练，从而显著加快收敛速度并降低计算成本。
-
新理论将谱估计与群论统一，应用于人工智能领域
研究人员引入了一个名为代数多样性（Algebraic Diversity）的新框架，该框架利用群论谱估计来分析单次观测数据。该方法推广了时间平均，并证明处理增益是群阶的属性，而非传感器数量的属性。该框架统一了DFT、DCT和KLT等各种信号处理技术，并在大规模MIMO、图信号处理和Transformer LLM分析等领域具有潜在应用。
-
视觉Transformer利用DCT提升注意力和效率
研究人员开发了一种利用离散余弦变换（DCT）来增强视觉Transformer的新颖方法。该方法包括一种基于DCT的自注意力初始化策略，可提高在CIFAR-10和ImageNet-1K等基准测试上的分类准确性。此外，一种基于DCT的注意力压缩技术通过截断输入块的高频分量来降低计算开销，从而在Swin Transformer等模型中保持性能。
-
KANs用于时间序列预测通过自相关重新引入频谱偏差
一篇新论文揭示，先前认为可以克服频谱偏差的Kolmogorov-Arnold网络（KANs），在处理时间序列数据时，由于时间自相关性，实际上会重新引入频谱偏差。研究人员发现，这种偏差随着自相关性的增加而加剧，可能阻碍KANs在时间序列预测中的表现。为了缓解这一问题，该研究提出使用离散余弦变换（DCT）对输入进行预处理，该方法在实证中显示出对低频偏好的显著降低。
-
Animalbooth框架通过新数据集增强个性化动物图像生成
研究人员推出了一种名为AnimalBooth的新框架，旨在改进生成的动物图像的个性化。该系统通过使用Animal Net和自适应注意力模块来解决身份漂移等挑战，以更好地保留身份。此外，它还包含一个频率控制特征集成模块，用于优化扩散过程，从全局结构转向细节纹理。为了支持进一步的研究，该团队还发布了AnimalBench，这是一个用于动物个性化的高分辨率数据集。