学习图像压缩 (LIC) 是一种有效的图像存储和传输解决方案。研究者提出了一种新的频率感知变换器 (FAT) 模块，实现了对 LIC 的多尺度方向分析。FAT 模块包括频率分解窗口注意力 (FDWA) 模块和频率调制前馈网络 (FMFFN)。实验证明，该方法在速率失真性能上达到了最先进的水平，并在多个数据集上提高了 BD - 率。

学习图像压缩 (LIC) 是一种有效的图像存储和传输解决方案。研究者提出了频率感知变换器 (FAT) 模块，实现了对 LIC 的多尺度方向分析。FAT 模块包括频率分解窗口注意力 (FDWA) 模块和频率调制前馈网络 (FMFFN)。实验证明，该方法在速率失真性能上达到了最先进的水平，并在多个数据集上相对于标准编解码器提高了 BD - 率。

该文介绍了一种新颖的频率感知变换器（FAT）模块，用于解决图像压缩中的表示冗余问题，实现了多尺度方向分析。该方法在速率失真性能上达到了最先进的水平，并在多个数据集上相对于最新的标准编解码器提高了BD-率。

该文介绍了一种新颖的频率感知变换器 (FAT) 模块，用于改善学习图像压缩 (LIC) 方法的速率失真性能。作者还提出了基于变换器的通道级自回归 (T-CA) 模型，实验证明该方法在速率失真性能上达到了最先进的水平。