BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

基于 GAN 的分层等级雨图像生成模型

💡 原文中文，约300字，阅读约需1分钟。
📝

内容提要

该研究使用生成对抗网络构建了一个多层级雨图生成模型，能够生成不同强度的雨图像。通过优化和调整，改善了模式崩溃问题，并在测试数据集上提高了峰值信噪比和结构相似性指数。消融实验验证了模型调优的有效性。

🏷️

标签

gan 峰值信噪比 强度 生成对抗网络 结构相似性指数 雨图生成模型
➡️

继续阅读

  1. SuperX推出AIIC 2.0，新增模型即服务能力
    SuperX推出AIIC 2.0，新增模型即服务能力。该AI创新中心由STTGDC与SuperX于2026年4月在新加坡联合成立。升级后客户无需自行部署模...
  2. DeepSeek-V4.1 模型结构（8）：KV cache 的管理与 SWA Bounded Replay
    DeepSeek-V4.1为降低长上下文agent负载成本，将滑窗KV从SSD移至主机内存池，仅保留几分钟；全局KV仍存SSD至少72小时。滑窗KV丢失后...
  3. DeepSeek-V4.1 模型结构（7）：输入端与优化器
    DeepSeek-V4.1在主干外有两处改动。视觉端：自研DeepSeek-ViT从零训练，采用2D-RoPE、RMSNorm、SwiGLU，经3×3 p...
  4. DeepSeek-V4.1 模型结构（6）：解码，DSpark
    DeepSeek-V4.1 的 DSpark 是在主干模型后挂载的三层草稿模块，一次前向生成 5 个草稿 token：Markov head 补充 tok...
  5. DeepSeek-V4.1 模型结构（5）：记忆，Engram
    DeepSeek-V4.1 在第1、14层引入 Engram 条件记忆：按 token 的 2/3/4-gram 哈希查表，用中国剩余定理以 8 个头区分...
  6. DeepSeek-V4.1 模型结构（4）：深度维度，Single-Pass mHC
    文章分析 DeepSeek-V4.1 的 Single-Pass mHC 优化：mHC 开销主要在访存而非计算，下界为 (2n+2)d，V4 实现达两倍。...
👤 个人中心
在公众号发送验证码完成验证