用于单图像去雾的类U-Net脉冲神经网络

Paper#Computer Vision, Image Dehazing, Spiking Neural Networks🔬 Research|分析: 2026年1月3日 15:57•
发布: 2025年12月30日 02:38
•
1分で読める
•ArXiv

分析

本文介绍了DehazeSNN，这是一种结合了类似U-Net的设计和脉冲神经网络（SNN）的新型架构，用于单图像去雾。它解决了CNN和Transformer的局限性，通过有效地管理局部和长距离依赖关系。正交泄漏积分与发射块（OLIFBlocks）的使用进一步增强了性能。论文声称，与最先进的方法相比，在降低计算成本和模型大小的同时，取得了具有竞争力的结果。
引用 / 来源
查看原文
"DehazeSNN is highly competitive to state-of-the-art methods on benchmark datasets, delivering high-quality haze-free images with a smaller model size and less multiply-accumulate operations."
A
ArXiv2025年12月30日 02:38
* 根据版权法第32条进行合法引用。
较旧

Machine learning can boost the value of wind energy

较新

Build a fast deep learning machine for under $1K

相关分析

Paper

基于选择策略的协调人形机器人操作

2026年1月3日 06:10

Paper

从未对齐图像即时进行3D场景编辑

2026年1月3日 06:10

Paper

用于未来预测的LLM预测

2026年1月3日 06:10

来源: ArXiv