arXiv 发布可学习缩放与谱滤波参数化研究

2026年10月15日，arXiv 计算机视觉板块出现一项由 Wei Wu 与 Eric C. Larson 提交的研究，论文已投稿 ICASSP 2027。该研究对比空间域与频谱域卷积核在可学习分辨率分配（可学习下采样比例，采用裁剪缩放实现）下的表现。结果显示，频谱核获益更大：在 EuroSAT、CIFAR-10 和 STL-10 三个数据集、两种模型规模上，准确率增益差距为 +0.013 至 +0.028。报道称，部分差异源于频谱核保留更多空间面积带来的收益，但在总保留面积匹配时差异仍为正。该模式在不同数据集和模型规模下均成立，但幅度及对复杂度预算的依赖会随模型规模和缩放实现方式变化。上述为当前报道所载事实，未提及更早的相互矛盾报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。