研究揭示频域图像分类优势

2026年11月3日，Yanir Harel等团队在arXiv平台提交论文，探讨频率域图像分类优于空间域的原因。研究指出，现代模型在频率域精度下降主要源于局部特征缺失。 团队分析发现，局部交换频率域数据会显著降低其逆空间域精度，但频率域精度保持相对恒定。此外，包含全局特征的数据集能有效提升频率域分类准确性，揭示了数据特征对分类性能的直接影响。 作者进一步构建了结合频率域与空间域模型的混合模型，利用VGG和ViT架构在ImageNet-100等数据集上进行验证。实验结果表明，该混合模型实现了更高的分类准确率，为图像分类任务提供了新方向。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。