U-Nets
PulseAugur coverage of U-Nets — every cluster mentioning U-Nets across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
规定的气旋轨迹损害神经网络海洋模拟器性能
一篇新研究论文探讨了使用规定的气旋轨迹作为神经网络海洋模拟器输入的影响。研究发现，这种方法虽然看似直观，但实际上会降低模拟器在孟加拉湾的性能。神经网络学会了对气旋轨迹的罕见信号做出错误的响应，导致与未基于气旋数据进行条件设置的模型相比，预测效果更差。在推理过程中用无风暴图替换气旋图可以提高预测准确性。
-
将U-Net作为神经算子用于逆成像问题的分析
研究人员从神经算子的角度探索了U-Net架构在解决逆成像问题中的应用。该研究考察了这些网络在离散化分辨率增加时的表现，这是解决真正病态问题的关键因素。在有限角度CT重建上的实验表明，虽然U形神经算子架构本身具有分辨率不变性，但传统的U-Net架构在面对分辨率变化时表现出显著的鲁棒性。
-
新型轻量级U-Net模型面向实时语音增强
研究人员开发了UL-UNAS，这是一种通过网络架构搜索优化的超轻量级U-Net模型，用于实时语音增强。该模型采用了高效的卷积块、一种新颖的仿射PReLU激活函数以及一个因果时频注意力模块。UL-UNAS在计算复杂度相似或更低的情况下，表现优于现有的超轻量级模型，并且可以与需要显著更多资源的模型相媲美。
-
新的UDT架构融合了U-Net与Diffusion Transformer
研究人员推出UDT，一种融合了U-Net和Diffusion Transformer（DiTs）优势的新型生成模型架构。UDT采用数据自适应Token合并技术，在保持Transformer的Token维度的同时，调和了U-Net的编码器-解码器结构与DiTs的表示能力。该方法在图像生成任务上实现了更快的收敛速度和更优的性能，优于现有的U-Net DiTs，并取得了与其他先进方法相当的结果。