基于谱与空间图学习的太阳图像压缩

Research Paper#Image Compression, Graph Neural Networks, Solar Imagery🔬 Research|分析: 2026年1月3日 06:32•
发布: 2025年12月30日 20:54
•
1分で読める
•ArXiv

分析

本文解决了空间任务中多光谱太阳图像压缩的挑战，这些任务的带宽是有限的。它引入了一个新颖的基于学习的图像压缩框架，该框架利用图学习技术来模拟带间光谱关系和空间冗余。使用Inter-Spectral Windowed Graph Embedding (iSWGE) 和 Windowed Spatial Graph Attention and Convolutional Block Attention (WSGA-C) 模块是关键创新。结果表明，与现有方法相比，光谱保真度和重建质量有了显着提高，这使其与基于空间的太阳观测相关。
引用 / 来源
查看原文
"The approach achieves a 20.15% reduction in Mean Spectral Information Divergence (MSID), up to 1.09% PSNR improvement, and a 1.62% log transformed MS-SSIM gain over strong learned baselines."
A
ArXiv2025年12月30日 20:54
* 根据版权法第32条进行合法引用。
较旧

Sam to Return as OpenAI CEO

较新

AI Model Learns While Reading

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv