论文标题：Fourier Image Transformer 论文链接：https://arxiv.org/abs/2104.02555 代码链接：https://github.com/juglab/FourierImageTransformer 作者单位：德累斯顿系统生物学中心

本文在CT图像重建、超分辨率任务中证明了这种方法的实用性，实验表明傅立叶图像Transformer（FIT）可用于解决傅立叶空间中的相关图像分析任务！

Transformer 体系结构在NLP任务上表现出惊人的性能，最近还被用于诸如图像补全或图像分类之类的视觉任务。在这里，我们提出使用序列图像表示，其中完整序列的每个prefix 都以降低的分辨率描述整个图像。使用这种傅立叶域编码（FDE），自动回归图像补全任务等效于在给定低分辨率输入的情况下预测更高分辨率的输出。此外，我们证明了在给定一组傅立叶域观测值的情况下，编码器/解码器设置可用于查询任意傅立叶系数。我们在计算机断层扫描（CT）图像重建的背景下证明了这种方法的实用性。总而言之，我们表明傅立叶图像变换器（FIT）可用于解决傅立叶空间中的相关图像分析任务，而傅立叶空间是卷积体系结构固有的不可访问的领域。

内容中包含的图片若涉及版权问题，请及时与我们联系删除