本研究提出了一种基于Mamba的文档二值化架构，旨在提高历史文档的可读性。该方法有效处理长序列，实现线性缩放和优化内存使用，同时高频特征显著提升输出质量和细节表现。

本文研究了用隐式神经表示（INRs）参数化图像的方法，强调小波作为激活函数的优势。小波在频率和空间上的本地化能力优于正弦函数。研究提出了通过MLP的第一层逼近高频特征的策略，并提供了INR架构设计建议，如使用复数小波和解耦低通与带通的方法。

本文研究了用隐式神经表示（INRs）参数化图像的方法，强调使用小波作为激活函数的优势。小波在频率和空间上的本地化能力优于正弦函数。研究提出了通过多层感知器（MLP）初步逼近信号高频特征的策略，并提供了INR架构设计建议，如使用复数小波和解耦低通与带通逼近。

本文研究了利用隐式神经表示 (INRs) 对图像进行参数化的方法，探讨了使用小波作为激活函数的优势，并提出了从 MLP 的第一层中解析出信号的高频特征的方法。同时提出了多种 INR 架构设计的建议。

本文研究了利用隐式神经表示 (INRs) 对图像进行参数化的方法，探讨了使用小波作为激活函数的优势，并提出了从 MLP 的第一层中解析出信号的高频特征的方法。同时提出了多种 INR 架构设计的建议。

本文研究了利用隐式神经表示 (INRs) 对图像进行参数化的方法，使用小波作为激活函数，并探讨了从 MLP 的第一层中解析出信号的高频特征的方法。建议使用复数小波、解耦低通和带通逼近以及基于信号奇点的初始化方案。