AImokuai的博客

本文提出了一种基于小波和自适应坐标注意力的精细残差网络(WACAFRN)用于图像去噪。该网络采用双分支结构，核心创新包括：1）自适应坐标注意力(ACA)模块，通过可学习缩放因子实现噪声的精准定位；2）小波注意力(WA)模块，利用频域信息保留图像细节；3）独立的噪声估计分支(NEB)增强噪声适应性。网络通过编码器-解码器架构实现特征提取与重建，最终融合双分支结果输出高质量去噪图像。实验表明，该方法在保持边缘细节的同时能有效去除各类噪声，计算效率较高，适用于多种图像复原任务。

本文提出了一种基于小波变换的新型卷积层WTConv，通过多级小波分解将输入特征图转换到不同频率域，在各子带上执行小核卷积后再逆变换重建，实现了超大感受野与对数级参数增长的解耦。该方法可直接替代深度可分离卷积，在ConvNeXt等架构中即插即用。实验表明，WTConv不仅提升了图像分类、目标检测等任务的性能，还显著增强了模型鲁棒性和形状偏好，且参数量仅为传统大核卷积方法的一半以下。该设计为CNN模型提供了一种高效获取全局感受野的新思路。

摘要：MSA²Net提出了一种创新的医学图像分割网络，其核心创新是设计了多尺度自适应空间注意力门(MASAG)模块。该模块通过动态调整感受野和特征加权，显著提升了编码器-解码器间的特征融合效果。网络采用混合解码器架构，结合大核注意力模块和Transformer，实现了局部细节与全局上下文的协同建模。实验表明，MSA²Net在多种医学图像分割任务中性能优越，其轻量级的MASAG模块(仅占8%参数量)可作为即插即用组件增强现有U-Net类网络的跳跃连接性能，有效处理目标尺寸形状多变、边界不规则等挑战。

本文提出GLVMamba模型，一种用于遥感图像分割的全局-局部视觉状态空间方法。核心创新包括：1)设计GLVSS模块，通过并行卷积分支和移位窗口机制，融合Mamba的全局建模能力与CNN局部特征提取优势；2)构建尺度感知金字塔池化模块(SCPP)，自适应融合多尺度特征以解决"孔洞"和误检问题。模型采用编码器-解码器架构，其中编码器使用ResNet18+SCPP提取特征，解码器通过堆叠GLVSS模块重建特征。实验表明该方法在保持线性计算复杂度的同时，实现了高精度与高效率的平衡，适用于遥感图

本文提出ASCNet，一种红外图像去条纹的非对称采样校正网络。创新点包括：1）采用DWT下采样与像素重组上采样的非对称架构，避免传统小波U型网络的语义偏差；2）设计残差哈尔小波变换采样器，结合模型驱动与数据驱动优势；3）构建列非均匀性校正模块，通过多维度特征融合实现精准去噪。实验表明，该方法能有效消除条纹噪声并保留纹理细节，显著提升下游任务性能。ASCNet提供不同规模版本，兼顾性能与部署效率，适用于红外成像系统预处理。

本文提出了FADformer框架，一种高效的频域图像去雨方法。核心创新包括：1）融合频域卷积混合器(FFCM)和先验门控前馈网络(PGFN)的Transformer架构，兼顾全局和局部特征建模；2）频域对比正则化(FCR)损失，利用带雨图像作为负样本增强去雨性能。实验表明，该方法在保持高效率的同时，显著超越现有最优模型。FCR模块作为即插即用的通用正则项，可广泛应用于图像恢复任务。

本文提出一种新型傅里叶卷积块(FCB)用于MRI重建，通过频域操作实现全局感受野，有效解决传统CNN感受野受限问题。创新点包括：1)将FCB与深度可分离卷积结合降低计算成本；2)采用两阶段训练策略，先学习局部特征再重参数化为频域核进行微调。实验表明，该模块可嵌入多种网络架构，在8-12倍高加速率下显著提升重建质量，PSNR和SSIM指标优于传统方法。FCB作为高效全局视野插件，能有效消除MRI欠采样造成的全局混叠伪影。

本文提出SMFANet，一种轻量级自调制特征聚合网络，用于高效图像超分辨率。核心创新包括：1）自调制特征聚合模块（SMFA），通过并行双分支结构协同建模局部细节与非局部依赖；2）高效自注意力近似机制（EASA），以低计算成本模拟自注意力；3）部分卷积前馈网络（PCFN），减少计算冗余。SMFANet在性能与效率间取得优异平衡，推理速度比SwinIR-light提升近10倍，同时模型复杂度仅为其43%，适用于移动设备等资源受限场景。该网络通过轻量化设计实现了高质量图像重建，为实时图像增强提供了有效解决方案。

本文提出了一种创新的深度傅里叶嵌入网络DFENet，用于RGB与热红外显著性目标检测。该网络首次采用纯傅里叶变换架构，设计了模态协同感知注意力、频率分解边缘感知块和傅里叶残差通道注意力块三个核心模块，并创新性地提出共聚焦频率损失函数。DFENet在标准GPU上即可高效处理高分辨率双模态输入，在四个主流基准数据集上超越15个现有模型，为多模态密集预测任务提供了高效精准的新范式。

SAMamba框架创新性地结合了SAM2层级特征学习与Mamba选择性序列建模，为红外小目标检测提供高效解决方案。其核心包含三个创新模块：FS-Adapter实现自然图像到红外图像的高效领域适配；CSI模块通过并行Mamba处理以线性复杂度捕捉全局上下文；DPCF模块采用自适应门控机制保留多尺度融合中的小目标细节。该框架在军事、海事等领域的微小目标检测任务中展现出参数高效、计算量低、检测精度高的优势，显著提升了复杂背景下低信噪比目标的识别能力。实验表明，该方法在保持模型轻量化的同时实现了SOTA性能。

SCSA提出了一种新型空间与通道协同注意力机制，通过可共享多语义空间注意力（SMSA）和渐进式通道自注意力（PCSA）的协同设计，有效解决了现有注意力模块对多语义信息利用不足的问题。SMSA采用多尺度深度可分离卷积捕获空间先验，PCSA通过自注意力缓解语义差异。该模块在保持轻量化的同时，显著提升了模型在分类、检测、分割等任务中的性能，尤其擅长处理小目标、低光照等复杂场景。实验表明SCSA能更好地平衡精度与效率，具有优秀的泛化能力。

MSLAU-Net是一种混合CNN-Transformer的医学图像分割网络。其主要创新包括：1）多尺度线性注意力(MSLA)模块，通过并行卷积分支捕获不同尺度特征，结合线性注意力降低计算复杂度；2）分层编码器设计，浅层使用CNN模块提取局部特征，深层采用MSLA模块建模全局依赖；3）轻量级自顶向下解码器，高效融合多级特征。该网络在保持计算效率的同时增强了多尺度特征提取能力，适用于CT、MRI等多种医学图像分割任务。MSLA模块可单独使用，作为传统注意力的高效替代方案。

SC-MambaFew: 基于Mamba和选择性空间-通道注意力的轴承故障少样本诊断 摘要：本文提出了一种新型端到端少样本学习框架SC-MambaFew，用于轴承故障诊断。该框架创新性地结合了Mamba架构和双重注意力机制：1）通过GL-Mamba模块增强空间特征提取；2）采用GLCA模块融合全局与局部通道注意力；3）设计选择性通道模块动态整合最具判别力的信息；4）引入协方差度量学习替代传统距离度量，提升模型泛化能力。实验表明，该方法在数据稀缺情况下（如1-shot/5-shot）仍能保持高诊断准确率，为工

GridFormer: 恶劣天气图像恢复的统一Transformer框架 摘要：本文提出GridFormer，一个基于Transformer的恶劣天气图像恢复统一框架。其核心创新包括：1）网格化结构设计，通过三行七列的网格实现多尺度特征交互；2）残差密集Transformer块(RDTB)，促进特征重用；3）紧凑增强型自注意力机制，在通道维度计算注意力，将复杂度从O(N²)降至O(C²)。该框架在去雨、去雾、去雪等五项任务上均达到SOTA性能，同时保持较低计算成本。实验证明其作为通用图像恢复骨干的潜力，可有

本文提出了一种用于像素级分类的自适应双监督交叉深度依赖网络(ADCD-Net)。该网络采用两阶段混合监督策略：第一阶段通过自监督学习生成相似性语义特征作为先验知识；第二阶段利用这些知识指导监督分类任务。核心创新包括：1）深度时序Mamba模块(DTM-Module)，将不同深度特征视为时序序列以捕捉跨层级依赖；2）可变形交互注意力模块(DIA-Module)，通过动态梯度调整重构注意力掩码，增强关键空间位置信息表征。实验表明，该方法能有效缓解多模态数据间的语义差异，提升分类性能。DIA-Module可作为通

本文提出StripR-CNN架构，针对遥感图像中细长目标检测难题，创新性地设计了大条带卷积方法。核心包括StripNet骨干网络和StripHead检测头，通过正交条带卷积有效捕获目标的各向异性特征，相比传统方法显著提升了细长目标的检测精度。该模块具有即插即用特性，可集成到多种检测框架中，特别适用于桥梁、船舶等细长目标的遥感图像分析，在降低计算成本的同时提高了定位和角度回归精度。实验证明其在不同检测框架中都能带来显著性能提升。

本文提出了一种新型加权卷积算子(wConv2d)，通过引入空间密度函数对标准卷积进行改进。该方法在不增加可训练参数的情况下，使卷积核能根据像素位置进行差分加权。实验证明，在CIFAR-100分类和DIV2K去噪任务中，该方法可显著提升VGG、ResNet等模型的性能（如VGG准确率提升10%）。该模块通过预计算密度函数实现高效计算，可直接替换标准卷积层，具有即插即用特性。代码实现展示了如何将密度函数与卷积核进行Hadamard积运算，保持输入输出维度不变。

《ASCNet：非对称采样校正网络用于红外图像去条纹》提出了一种创新方法，通过非对称采样策略解决传统小波网络中的语义偏差问题。该网络采用残差哈尔小波变换(RHDWT)作为下采样器，结合模型驱动和数据驱动方法；在上采样阶段使用像素重组(PixelShuffle)代替传统逆小波变换，有效保持列语义连续性。此外，设计的列非均匀性校正模块(CNCM)通过多分支注意力机制增强了全局列特征表示。实验表明，ASCNet能有效去除多种条纹噪声，保留图像细节，并显著提升下游任务性能。该方法在红外图像处理领域具有广泛应用前景。

本文提出了一种轻量级语义分割网络UMFormer，基于自注意力机制和状态空间模型，用于高效城市场景分割。其核心创新包括：1）多尺度自注意力模块（MSAM）挖掘不同尺度物体的长距离上下文信息；2）信息集成注意力机制（IIA）重构空间位置关系；3）全局-局部视觉状态空间模块（GL-VSSBlock）并行提取全局和局部信息。该网络采用编码器-解码器架构，结合ResNet18编码器和Mamba解码器，通过特征融合实现精确分割。特别设计的GL-VSS模块具有广泛适用性，可替代传统解码器，在保持轻量化的同时提升分割性能

Flora-NET提出了一种融合双坐标注意力与自适应核卷积的药用花卉识别方法。核心创新包括：1）双坐标注意力特征提取模块(DCAFE)，通过并行最大/平均池化增强特征区分度；2）基于Involution的特征精炼模块(Inv-FR)，利用动态卷积核提升空间上下文捕捉能力。该方法在两个公开数据集上准确率分别提升6.50%和5.59%，验证了其优越性能。该技术适用于精细化视觉分类任务，如药用植物鉴定、生物多样性研究等，具有特征自适应性好、鲁棒性强等优势。文中还提供了可即插即用的模块实现代码。

DiffCLIP创新性地将差分注意力机制引入CLIP模型，通过相减两个互补的注意力图来抑制噪声信号。该方法在图像分类、跨模态检索等任务上显著提升性能，参数量仅增加0.003%。核心模块DiffAttention将查询和键拆分计算双重注意力，并引入可学习的λ参数进行动态调整。实验表明，该机制能有效增强模型对核心特征的关注能力，提升跨模态对齐精度和鲁棒性，为多模态学习提供了高效改进路径。

本文提出了一种轻量级群组注意力骨干网络LWGANet，用于遥感视觉任务。该网络的核心创新是轻量级群组注意力(LWGA)模块，通过特征分组并行处理，高效提取并融合从局部到全局的多尺度空间信息，解决遥感图像中目标尺度差异大的问题。LWGA模块集成了四种针对不同尺度的注意力子模块，协同工作以捕捉不同尺寸目标特征。实验表明，LWGANet在12个遥感数据集上的场景分类、目标检测、语义分割和变化检测任务中，在保持低计算复杂度的同时实现了最优性能。该网络特别适合部署在资源受限设备上，平衡了性能与计算效率。

本文提出II-NVM模块，通过法向量一致性映射显著提升SLAM系统的地图精度。该模块采用自适应半径KD树法向量计算、增量式体素地图管理和LRU缓存策略，有效解决"双面映射问题"。实验表明，II-NVM在15cm薄墙场景下轨迹误差仅0.0179m，墙厚测量误差<1%，同时通过LRU策略将地图更新时间减少72.85%。该模块可即插即用地应用于室内三维重建、机器人导航等任务，代码已开源。

本文提出了一种轻量级可变形卷积神经网络DSAN，通过优化DCNv3的核心操作和特征提取模块，解决了现有方法在轻量级设备上的适配难题。核心创新包括：可变形条纹卷积（DSCN）简化计算，可变形空间注意力（DSA）增强特征提取，以及轻量级骨干网络DSAN的构建。实验表明，DSAN在图像分类、语义分割和目标检测任务中表现优异，以更少的参数和计算量实现了与重量级模型相当的性能。例如，DSAN-S在ImageNet1K上达到82.3%的准确率，在ADE20K语义分割任务中mIoU达48.8%，为轻量级设备部署高性能视觉

本文提出ROGRAG框架，通过多阶段检索机制和增量知识图谱构建优化GraphRAG系统。该框架整合双层次检索（模糊匹配实体和关系）与逻辑形式检索（结构化推理），结合论证检查验证，显著提升了检索鲁棒性。实验表明，ROGRAG在SeedBench上使Qwen2.5-7B-Instruct的准确率从60%提升至75%，优于主流方法。消融研究验证了各组件有效性，特别是增量知识图谱构建使节点数增加40%，准确率提升13%，为专业领域知识增强提供了有效解决方案。

本文提出PixelPonder框架，解决多视觉条件文本生成图像时的控制冲突问题。该框架通过补丁级自适应选择机制动态整合不同视觉条件，并结合时间感知控制实现从结构到纹理的渐进式调节。实验表明，PixelPonder在MultiGen-20M和Subject-200K数据集上显著优于现有方法，SSIM提升8.41%-19.29%，FID达10.61-11.85，同时在保持文本一致性和图像质量方面表现优异。可视化结果证实，该方法能有效避免线条粗糙、主体扭曲等问题，实现多条件协调控制。

摘要 本文提出Flora-NET模型，用于解决药用花卉分类难题。该模型创新性地融合双坐标注意力（DCAFE）和反卷积特征细化（Inv-FR）模块，通过并行池化增强特征判别性，并利用自适应核动态优化空间特征。实验表明，Flora-NET在Urban Street和Medicinal Blossom数据集上分别达到91.12%和91.18%的准确率，较VGGNet-16提升6.94%和5.71%。消融实验验证了核心模块的有效性，可视化分析显示模型能精准聚焦花瓣等关键区域。第三方数据集测试（83.57%准确率）进

本文介绍了一种名为LEGNet（Lightweight Edge-Gaussian Driven Network）的轻量级骨干网络，专门用于低质量遥感图像中的目标检测任务。遥感目标检测（RSOD）常常受到低空间分辨率、传感器噪声、运动模糊和光照不良等因素的干扰，导致特征区分度降低，目标表示模糊，前景与背景难以分离。现有的RSOD方法在低质量目标的鲁棒检测方面存在局限性。

摘要 本文提出GRFormer，一种轻量化单图像超分辨率（SISR）模型，通过创新的分组残差自注意力（GRSA）机制解决传统Transformer模型的高计算复杂度问题。GRSA包含分组残差层（GRL）和指数空间相对位置偏置（ES-RPB），分别优化QKV线性层的效率和位置编码，显著降低参数量和计算开销。实验表明，GRFormer仅需SwinIR 20%的参数量，在DIV2K数据集上PSNR提升最高0.23dB，同时计算成本降低49%。该模型为资源受限场景下的高效超分辨率任务提供了新范式，兼顾性能与效率。