瞬时压缩成像的高效一步扩散精细化
原文中文，约1600字，阅读约需4分钟。
📝
内容提要
本文提出多种新方法以提高快照压缩成像（SCI）和高光谱成像的重建质量，结合了深度学习、生成模型和状态空间模型等技术。这些方法在计算效率和重建性能上优于现有技术，显示出显著改进。
❓
Q&A
快照压缩成像(SCI)的重建质量如何提高？
通过构建联合模型，结合非局部自相似性和秩极小化方法，可以显著提高快照压缩成像(SCI)的重建质量。
高光谱成像的最佳重建方法是什么？
基于深度学习和高斯混合先验的MAP估计框架被提出为高光谱成像的最佳重建方法。
DAUHST方法的优势是什么？
DAUHST方法使用自定义的半洗牌Transformer，能够同时捕获局部内容和非局部依赖性，显著优于其他方法。
BiSRNet在高光谱成像中有什么应用？
BiSRNet是一种高效的HSI修复方法，适用于资源有限的移动设备，能够实现与全精度算法相当的性能。
DiffSCI模型的创新点是什么？
DiffSCI结合了传统SCI技术和图像生成模型，利用深度先验和优化方法提高多光谱图像的重建精度。
ASLE-SSM模型的计算效率如何？
ASLE-SSM模型通过引入局部扫描和上下文编码，计算速度比现有技术快2.4倍，且参数更少。
🏷️
