GB-LSR 提出可学习带宽的任意尺度超分方法
热点事件持续更新
GB-LSR 提出可学习带宽的任意尺度超分方法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Max Shad 与 Naeem Khoshnevis 发布 GB-LSR，一种固定网格局部频谱表示，用单个可训练标量带宽替代固定频谱截断，用于连续坐标图像解码。 其超分版本 GB-LSR-Scalar-ASR 在 x4 下比 LIIF-RDN 快 1.25 倍，速度与 SRNO-RDN 相当；论文称 SRNO-RDN 在 Urban100 上的峰值内存高出 15 倍。
AI 根据报道生成 · 1 小时前更新
最新进展10月5日 12:00
GB-LSR：用可学习全局带宽做局部频谱解码的任意尺度超分辨率报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv：cs.LGGB-LSR：用可学习全局带宽做局部频谱解码的任意尺度超分辨率
GB-LSR 提出一种固定网格局部频谱表示，用单个可训练标量带宽替代固定频谱截断，实现连续坐标图像解码。其超分版本 GB-LSR-Scalar-ASR 在 x4 下比 LIIF-RDN 快 1.25 倍，与 SRNO-RDN 速度相当，而后者在 Urban100 上峰值内存高出 15 倍。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。