多尺度多模态卷积字典学习网络

图像处理效果领先

优于现有方法，可解释性强

邓欣 · Xu, Jingyi · Fangyuan, Gao · Xiancheng, Sun · 徐迈

IEEE Transactions on Pattern Analysis and Machine Intelligence 2023

技术优势

表示能力更强

多尺度多模态卷积字典学习模型在多层策略下从粗到细地关联不同图像模态，突破了现有单层单尺度模型对表示能力的限制。

模块可解释

网络架构与模型的优化步骤完全匹配，每个模块都具有良好的可解释性。

先验可学习

字典和稀疏特征先验通过网络学习，而非手工设计。

应用场景

• 多模态图像修复：用于多模态图像修复，提升修复质量。
• 多模态图像融合：用于多模态图像融合，融合不同模态信息。
• 可解释深度学习：可解释深度学习，便于理解网络行为。
• 医学影像处理：用于医学图像处理，辅助诊断。
• 遥感图像处理：用于遥感图像处理，提高解译精度。