核心内容摘要
告别平庸出行的“避坑指南”：巴士小秘说，如何让每一次团建都像头等舱巡演？
频域Transformer这个方向的核心吸引力在于它给Transformer的黑箱机制提供了个全新的、可解释的理论视角并带来了实质性的性能与效率提升。
因此它在当前是非常热门且适合发表高水平论文的方向从顶会到顶刊都有不少成果。
比如TMM 2025的Frefusion框架、IEEE TGRS的FGNet模型、ECCV 2024的FADformer框架...从这些研究中可以看出这方向接下来的创新将更侧重于理论深度、架构通用性、领域延展性以及软硬协同。
如果想入手建议基于现有成果找突破口。
本文整理了11篇频域Transformer前沿论文附代码需要参考的直接领取即可。
全部论文开源代码需要的同学看文末FreDFT: Frequency Domain Fusion Transformer for Visible-Infrared Object Detection方法论文提出频域融合 TransformerFreDFT用于可见光 - 红外目标检测通过频域注意力和频域前馈层挖掘跨模态互补信息结合局部特征增强与跨模态全局建模解决模态不平衡问题提升检测性能。
创新点将频域与Transformer结合提出FreDFT用于可见光-红外目标检测挖掘跨模态互补信息。
设计MFDA和FDFFL分别捕捉模态相关性、融合多尺度频域特征。
构建LFEM和CGMM强化局部特征并缓解模态异质性解决模态不平衡。
Frefusion: Frequency Domain Transformer for Infrared and Visible Image Fusion方法论文提出Frefusion框架用于红外与可见光图像融合通过频域特征提取模块提取源图像频域特征借助含域内/域间强化模型的频域Transformer融合模块融合特征结合残差重建模块生成融合图像利用频域特性提升融合质量与抗伪影能力。
创新点提出频域特征提取模块通过FFT和iFFT转换特征提取图像深层语义与全局纹理信息。
设计含域内/域间强化的频域Transformer融合模块增强模态内有效信息与模态间互补信息。
构建残差重建模块与多损失函数联合优化红外与可见光图像融合质量。
Efficient Frequency-Domain Image Deraining with Contrastive Regularization方法论文提出 FADformer 用于单图像去雨通过融合傅里叶卷积混合器在频域与空域高效建模全局 - 局部特征结合先验门控前馈网络强化细节修复并引入频域对比正则化利用正负样本信息实现高效且高质量的去雨效果。
创新点设计融合傅里叶卷积混合器在频域与空域同步进行卷积操作高效捕捉全局-局部特征降低计算成本。
提出先验门控前馈网络以门控方式引入残差通道先验强化局部细节修复与特征结构保留。
引入频域对比正则化利用DFT构建对比空间充分挖掘正负样本的频域特征差异提升去雨性能。
Frequency-domain guided swin transformer and global-local feature integration for remote sensing images semantic segmentation方法论文提出 FGNet 用于遥感影像语义分割将频域引导机制融入 Swin Transformer 构建 FGSwin结合残差 CNN 提取局部特征与全局 - 局部特征融合模块GLFI同步建模频域、空域及全局 - 局部特征提升分割精度与类别区分度。
创新点提出FGSwin将频域引导机制融入Swin Transformer结合FFT和可学习权重建模频域与空域信息。
设计GLFI模块通过小卷积核和SiLU激活函数轻量化融合全局与局部特征。
构建双分支架构结合FGSwin与残差CNNs提升遥感影像语义分割的精度与类别区分度。
关注下方《学姐带你玩AI》回复“222”获取全部方案开源代码码字不易欢迎大家点赞评论收藏