GAN与Transformer大气湍流缓解对比研究
热点事件持续更新
GAN与Transformer大气湍流缓解对比研究
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月15日，arXiv Computer Vision 刊出 Juan S. Carrillo 与 Jérôme Gilles 的研究，在 SOTIS 数据集上对比 GAN 与 Transformer 两类深度学习模型的大气湍流消除效果。研究结论为：GAN 在严重退化的低质量图像上表现更好，Transformer 在中高质量场景、尤其是几何畸变校正上更优。研究还通过改进训练策略、引入时间平均帧作为先验结构信息，并在损失函数中加入 SSIM，提升了 Turbulence Mitigation Transformer（TMT）的性能。该研究为单一来源报道，未出现与早先报道矛盾的数字或说法；上述结论均限于该研究在 SOTIS 数据集上的实验设定，不代表其他数据集或场景下的普遍结论。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
GAN 与 Transformer 谁更擅长消除大气湍流？基于 SOTIS 数据集的对比研究报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv Computer VisionGAN 与 Transformer 谁更擅长消除大气湍流？基于 SOTIS 数据集的对比研究
研究在 SOTIS 数据集上对比了 GAN 与 Transformer 两类深度学习模型的大气湍流消除效果：GAN 在严重退化的低质量图像上表现更好，Transformer 在中高质量场景、尤其是几何畸变校正上更优。研究还通过改进训练策略、引入时间平均帧作为先验结构信息，并在损失函数中加入 SSIM，提升了 Turbulence Mitigation Transformer（TMT）的性能。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。