光学时间序列图像中的多尺度缺失数据修复与遮挡时空注意力网络
原文中文,约400字,阅读约需1分钟。发表于: 。提出了一种基于深度学习的新方法 MS2TAN (Multi-scale Masked Spatial-Temporal Attention Network),用于重建时间序列的遥感图像,通过充分利用空时辅助信息,得到更高的恢复准确性。
研究人员设计了一种基于隐式神经表示的多尺度隐式变换器(MSIT),用于任意尺度超分辨率(ASSR)任务。该方法通过多尺度神经操作器(MSNO)和多尺度自注意力(MSSA)实现功能增强、特征提取和特征融合,提高了网络性能。实验证明,MSIT在任意超分辨率任务中表现出了最先进的性能。