BriefGPT - AI 论文速递
·
基于傅里叶增强的隐式神经融合网络用于多光谱与高光谱图像融合
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该论文介绍了一种用于多光谱和高光谱图像融合的傅里叶增强的隐式神经融合网络，通过创新地提出了一种空间和频率隐式融合函数（Spa-Fre IFF）来捕捉高频信息并扩展感受野，并发明了一种新的解码器（SFID），以增强隐式神经表示特征的交互作用。实验证明该方法在视觉上和定量上表现出最先进的性能。
🎯
关键要点
- 该论文介绍了一种用于多光谱和高光谱图像融合的傅里叶增强的隐式神经融合网络。
- 提出了一种空间和频率隐式融合函数（Spa-Fre IFF），用于捕捉高频信息并扩展感受野。
- 发明了一种新的解码器，称为空间频率交互解码器（SFID），使用复数 Gabor 小波激活函数。
- 该解码器旨在增强隐式神经表示特征的交互作用。
- 在两个基准多光谱和高光谱图像融合数据集上的实验表明该方法在视觉和定量上表现出最先进的性能。
- 消融研究证明了所提出的贡献。
➡️
