实体
Xiaoyang Liu
Xiaoyang Liu
PulseAugur coverage of Xiaoyang Liu — every cluster mentioning Xiaoyang Liu across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
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。
-
神经符号框架改进数学语句自动形式化
研究人员开发了一种名为分解、结构化和修复（DSR）的新型神经符号框架，以改进自动形式化过程，该过程将自然语言数学语句转换为形式化代码。与先前将形式化代码视为扁平序列的方法不同，DSR将语句分解为逻辑组件，并将它们映射到结构化算子树。这种方法通过子树细化实现了更精确的错误定位和修复。该框架在一个名为PRIME的新基准上进行了评估，该基准包含156个定理，并展示了最先进的性能。
-
FideDiff模型提供高效、高保真的图像去模糊功能
研究人员开发了FideDiff，一种新颖的单步扩散模型，专为高保真图像运动去模糊而设计。该模型将去模糊重新构建为类似扩散的过程，其中一致性模型将渐进模糊的图像对齐到一张清晰的图像。通过集成Kernel ControlNet进行模糊核估计和自适应时间步预测，FideDiff在全参考指标上取得了卓越的性能，优于之前的基于扩散的方法，并与其他最先进的模型相媲美。