論文の概要: KANO: Kolmogorov-Arnold Neural Operator for Image Super-Resolution

• arxiv url: http://arxiv.org/abs/2512.22822v1
• Date: Sun, 28 Dec 2025 07:27:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-30 22:37:30.240222
• Title: KANO: Kolmogorov-Arnold Neural Operator for Image Super-Resolution
• Title（参考訳）: カノ:イメージ超解像のためのコルモゴロフ・アルノルド神経オペレーター
• Authors: Chenyu Li, Danfeng Hong, Bing Zhang, Zhaojie Pan, Jocelyn Chanussot,
• Abstract要約: 我々はKolmogorov-Arnold Neural Operator(KANO)と呼ばれる新しい解釈可能な演算子を提案する。 狩野は、潜伏劣化フィッティングプロセスの透明で構造化された表現を提供する。 複雑なシーケンスフィッティングタスクの処理において,多層パーセプトロン (MLP) とコルモゴロフ・アルノルドネットワーク (KAN) を比較した。
• 参考スコア（独自算出の注目度）: 41.768127715624
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The highly nonlinear degradation process, complex physical interactions, and various sources of uncertainty render single-image Super-resolution (SR) a particularly challenging task. Existing interpretable SR approaches, whether based on prior learning or deep unfolding optimization frameworks, typically rely on black-box deep networks to model latent variables, which leaves the degradation process largely unknown and uncontrollable. Inspired by the Kolmogorov-Arnold theorem (KAT), we for the first time propose a novel interpretable operator, termed Kolmogorov-Arnold Neural Operator (KANO), with the application to image SR. KANO provides a transparent and structured representation of the latent degradation fitting process. Specifically, we employ an additive structure composed of a finite number of B-spline functions to approximate continuous spectral curves in a piecewise fashion. By learning and optimizing the shape parameters of these spline functions within defined intervals, our KANO accurately captures key spectral characteristics, such as local linear trends and the peak-valley structures at nonlinear inflection points, thereby endowing SR results with physical interpretability. Furthermore, through theoretical modeling and experimental evaluations across natural images, aerial photographs, and satellite remote sensing data, we systematically compare multilayer perceptrons (MLPs) and Kolmogorov-Arnold networks (KANs) in handling complex sequence fitting tasks. This comparative study elucidates the respective advantages and limitations of these models in characterizing intricate degradation mechanisms, offering valuable insights for the development of interpretable SR techniques.
• Abstract（参考訳）: 非常に非線形な劣化過程、複雑な物理的相互作用、および様々な不確実性の源は、特に難しい課題を単一画像超解像(SR)に与えている。 既存の解釈可能なSRアプローチは、事前学習または深層展開最適化フレームワークをベースとして、一般的に潜伏変数をモデル化するためのブラックボックスのディープネットワークに依存しており、分解プロセスは大部分が未知であり、制御不能である。 コルモゴロフ・アルノルドの定理(KAT)に触発され、我々は初めて新しい解釈可能な作用素であるコルモゴロフ・アルノルドニューラル作用素(KANO)を提案し、SRの画像化に適用した。 狩野は、潜伏劣化フィッティングプロセスの透明で構造化された表現を提供する。 具体的には、有限個のB-スプライン関数からなる加法構造を用いて、連続スペクトル曲線を断片的に近似する。 定義間隔内でスプライン関数の形状パラメータを学習・最適化することにより, 非線形反射点における局所線形トレンドやピークバレー構造などの重要なスペクトル特性を正確に把握し, SR結果に物理的解釈性を持たせる。 さらに, 自然画像, 航空写真, 衛星リモートセンシングデータ間の理論的モデリングと実験により, 複雑なシーケンスフィッティングタスクの処理において, 多層パーセプトロン (MLP) とコルモゴロフ・アルノルドネットワーク (KAN) を体系的に比較した。 この比較研究は、複雑な劣化機構を特徴づける上で、これらのモデルのそれぞれの利点と限界を解明し、解釈可能なSR技術の開発に有用な洞察を与える。

関連論文リスト

• Towards Interpretable PolSAR Image Classification: Polarimetric Scattering Mechanism Informed Concept Bottleneck and Kolmogorov-Arnold Network [14.574881175355468]
  まず、この問題を強調し、DLベースのPolSAR画像分類技術の解釈可能性解析を実現する。 ポーラリメトリックの概念ラベルとParallel Concept Bottleneck Networks (PaCBM) と呼ばれる新しい構造を構築することで、解釈不能な高次元特徴を人間の理解可能な概念に変換する。 複数の PolSAR データセットの実験結果から, 良好な精度を達成できるという前提の下で, 概念化の可能性が示唆された。
  論文  参考訳（メタデータ） (2025-07-04T05:55:36Z)
• Low-Rank Tensor Recovery via Variational Schatten-p Quasi-Norm and Jacobian Regularization [49.85875869048434]
  暗黙的神経表現のためのニューラルネットワークによりパラメータ化されたCPベースの低ランクテンソル関数を提案する。 本研究では、スペーサーCP分解を実現するために、冗長なランク1成分に変分Schatten-p quasi-normを導入する。 滑らか性のために、ヤコビアンとハッチンソンのトレース推定器のスペクトルノルムに基づく正規化項を提案する。
  論文  参考訳（メタデータ） (2025-06-27T11:23:10Z)
• ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
  単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。 本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:45:14Z)
• Learning Detail-Structure Alternative Optimization for Blind Super-Resolution [69.11604249813304]
  そこで我々は,ブラインドSRに先立ってカーネルを曖昧にすることなく,再帰的な詳細構造代替最適化を実現する,有効かつカーネルフリーなネットワークDSSRを提案する。 DSSRでは、細部構造変調モジュール(DSMM)が構築され、画像の詳細と構造の相互作用と協調を利用する。 本手法は既存の手法に対して最先端の手法を実現する。
  論文  参考訳（メタデータ） (2022-12-03T14:44:17Z)
• Blind Super-Resolution for Remote Sensing Images via Conditional Stochastic Normalizing Flows [14.882417028542855]
  本稿では、上記の問題に対処するために、正規化フロー(BlindSRSNF)に基づく新しいブラインドSRフレームワークを提案する。 BlindSRSNFは、低解像度(LR)画像が与えられた高解像度画像空間上の条件確率分布を、確率の変動境界を明示的に最適化することによって学習する。 提案アルゴリズムは,シミュレーションLRと実世界RSIの両方において,視覚的品質の優れたSR結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-10-14T12:37:32Z)
• Coupled Oscillatory Recurrent Neural Network (coRNN): An accurate and (gradient) stable architecture for learning long time dependencies [15.2292571922932]
  本稿では,リカレントニューラルネットワークのための新しいアーキテクチャを提案する。 提案するRNNは, 2次常微分方程式系の時間分解に基づく。 実験の結果,提案したRNNは,様々なベンチマークによる最先端技術に匹敵する性能を示した。
  論文  参考訳（メタデータ） (2020-10-02T12:35:04Z)
• Kernel and Rich Regimes in Overparametrized Models [69.40899443842443]
  過度にパラメータ化された多層ネットワーク上の勾配勾配は、RKHSノルムではないリッチな暗黙バイアスを誘発できることを示す。 また、より複雑な行列分解モデルと多層非線形ネットワークに対して、この遷移を実証的に示す。
  論文  参考訳（メタデータ） (2020-02-20T15:43:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。