跳到正文
热点事件持续更新

GAN与Transformer大气湍流复原对比

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

一项发表于《Journal of Electronic Imaging》的研究在 SOTIS 数据集上对比了 GAN 与 Transformer 两类深度学习模型的大气湍流缓解效果。研究结论是：GAN 在严重退化的低质量场景中表现更好，Transformer 则在中高质量场景、尤其是几何畸变校正上更优。 该研究由 Juan S. Carrillo 与 Jérôme Gilles 发表，比较对象为基于生成对抗网络和基于 Transformer 的湍流抑制方法。

AI 根据报道生成 · 3 小时前更新

最新进展10月15日 12:00
GAN 与 Transformer 谁更擅长大气湍流图像复原？基于 SOTIS 数据集的对比研究

报道时间线

沿着报道，了解事件的不同侧面。

10月15日
  1. arXiv cs.CV
    GAN 与 Transformer 谁更擅长大气湍流图像复原？基于 SOTIS 数据集的对比研究

    一项发表于《Journal of Electronic Imaging》的研究在 SOTIS 数据集上对比了 GAN 与 Transformer 两类深度学习模型的大气湍流缓解效果：GAN 在严重退化的低质量场景中表现更好，Transformer 则在中高质量场景、尤其是几何畸变校正上更优。

本事件热度走势

可比范围当前
9
可比范围峰值
1010月15日 13:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。