本研究提出了一种新颖的3D变换器WaveFormer，旨在解决现有3D变换器在医学图像分析中的内存消耗大和细粒度特征捕捉不足的问题。WaveFormer利用离散小波变换（DWT）保留全局上下文和高频细节，显著降低参数数量和计算复杂度，并在多个数据集上表现出与最新技术相当的性能。

本研究提出了一种基于离散小波变换的图像光谱标记新方法，解决了现有图像标记器在自回归建模中的不足。该方法能够重构不同分辨率的图像，并提高下一个标记预测的条件化效果，显著改善多尺度图像生成和上采样能力。

本文提出了一种新颖的DiWa方法，用于SISR。该方法将DDPMs与DWT相结合，能够在小波频谱上产生高频信息，生成高质量、详细的重建。该方法在定量指标上优于当前最先进的扩散SISR方法，参数更少，推理时间更短。

本文提出了一种新颖的DiWa方法，用于SISR，结合了DDPMs和DWT，实现在小波频谱上为超分辨图像产生高频信息，从而生成高质量、详细的重建。该方法在定量指标上优于当前最先进的扩散SISR方法，同时使用更少的参数和节省推理时间。

本文介绍了一种名为FreGrad的扩散基声码器，用于生成逼真的音频。通过离散小波变换将复杂波形分解为子带小波，以帮助FreGrad在简单的特征空间上进行操作。实验结果表明，FreGrad相比基线模型在训练时间、推理速度和模型尺寸方面都有显著的优势。