SRGAN-CKAN: Super-Risoluzione con Reti di Kolmogorov-Arnold
Un nuovo framework di super-risoluzione, SRGAN-CKAN, integra le Reti Convoluzionali di Kolmogorov-Arnold in un contesto di apprendimento avversario. Sostituisce le mappature lineari locali con rappresentazioni funzionali basate su spline per aumentare l'espressività con risorse computazionali minime. L'approccio si concentra sul miglioramento della ricostruzione delle texture ad alta frequenza per fattori di ingrandimento elevati, affrontando la natura mal posta della super-risoluzione da singola immagine.
Fatti principali
- SRGAN-CKAN è un framework ibrido di super-risoluzione.
- Integra le Reti Convoluzionali di Kolmogorov-Arnold (CKAN) nell'apprendimento avversario.
- Il metodo riformula la convoluzione come una trasformazione non lineare basata su patch.
- Utilizza rappresentazioni funzionali basate su spline per sostituire le mappature lineari locali.
- L'obiettivo è ricostruire immagini ad alta risoluzione da osservazioni a bassa risoluzione.
- L'approccio si rivolge a fattori di ingrandimento elevati dove i dettagli ad alta frequenza sono degradati.
- Il lavoro è pubblicato su arXiv con ID 2605.01459.
- Si contrappone ai modelli transformer e di diffusione che aumentano la complessità computazionale.
Entità
Istituzioni
- arXiv