KANO: 基于 Kolmogorov-Arnold 定理的可解释超分辨率
Research Paper#Image Super-Resolution, Deep Learning, Kolmogorov-Arnold Theorem🔬 Research|分析: 2026年1月3日 19:33•
发布: 2025年12月28日 07:27
•1分で読める
•ArXiv分析
本文介绍了 KANO，一种基于 Kolmogorov-Arnold 定理的用于单图像超分辨率 (SR) 的新型可解释算子。它解决了现有黑盒深度学习方法的局限性，通过提供图像退化过程的透明和结构化表示。使用 B 样条函数来逼近谱曲线，可以捕捉关键的谱特征，并赋予 SR 结果物理可解释性。MLP 和 KAN 的比较研究为处理复杂的退化机制提供了宝贵的见解。
要点
- •提出了 KANO，一种用于图像超分辨率的新型可解释算子。
- •KANO 基于 Kolmogorov-Arnold 定理。
- •使用 B 样条函数进行谱曲线逼近。
- •为 SR 结果提供物理可解释性。
- •提供了 MLP 和 KAN 的比较研究。