空间-频率学习框架用于STEM图像增强

2026年10月28日，arXiv cs.CV 报道了一项面向STEM（扫描透射电子显微镜）图像增强的研究，提出空间-频率学习框架。该框架的融合网络在频域利用周期性原子排列特征，在空域恢复局部原子细节，两域特征分别增强后再融合。研究同时提出STEM噪声校准方法：通过统计拟合真实图像，估计扫描噪声、逐点噪声与背景噪声参数，并据此构建覆盖更多原子排列类型与退化类型的数据集。报道称，该方法在合成数据集和真实先进材料图像上取得SOTA增强性能，并提升了原子定位精度。目前尚无其他来源的独立报道或复现结果。

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。