小波变换融合创新思路，看这一篇就够了

小波变换最近真的杀疯了！和不少热门发文方向都有结合，而且这些研究成果被包括CVPR在内的多个顶会所收录！今天我们就来蹭下这波发文热点，聊一下小波变换！

小波变换可以多尺度分析信号，在处理非平稳信号时十分有优势，并且能够很好地捕捉信号的局部特征。与热门发文方向的结合通常是利用小波变换在信号处理、特征提取等方面的优势，结合其他技术的特长，共同提升模型的性能和应用效果。

我汇总了小波变换与Transformer、KAN、CNN、GNN、多模态特征融合、注意力机制这些发文方向结合的最新研究成果，需要的同学添加工中号【真AI至上】 回复 小波合集 即可全部领取

小波变换+Tranformer

Wavelet-Based Image Tokenizer for Vision Transformers

文章解析：

本文提出了一种基于小波变换的图像分词器，用于改进视觉Transformer（ViT）模型。

该分词器不仅提高了训练吞吐量和ImageNet验证集的Top-1精度，还具有处理高分辨率图像和抵抗对抗攻击的优势。

通过理论分析，作者解释了为什么新的分词器可以在不改变ViT模型架构的情况下提高训练效率，并为未来的ViT模型设计提供了新的研究方向。

创新点：<