v0lta/PyTorch-Wavelet-Toolbox

何を解決するか

PyTorchネイティブなウェーブレット変換の実装を提供し、ディスクリート（DWT）および連続（CWT）ウェーブレット変換をディープラーニングワークフロー内での使用を可能にします。標準ライブラリとは異なり、GPUアクセラレーションと自動微分（勾配サポート）の恩恵を受けることができます。

仕組み

このツールボックスは、PyTorchバックエンドを使用してさまざまなウェーブレット操作を実装しています：

• 畳み込みベースの変換：1D、2D、3Dデータにおける高速ウェーブレット変換（fwt）に conv1d、conv2d およびその転置版を使用します。
• スパース行列変換：torch.sparse.mm を使用して境界ウェーブレットを実装し、データの端に余分なピクセルを追加することを回避します。
• 適応型ウェーブレット：実験的なサポートとして、ニューラルネットワーク内のレイヤーとして学習可能な積分フィルターや最適化可能な直交ウェーブレットを提供します。
• 統合：PyWavelets の機能を拡張しつつ、PyTorchテンソルとの互換性を保証します。

対象ユーザー

多スケール解析や微分可能なウェーブレット変換を必要とする信号処理、画像解析、ニューラルネットワークアーキテクチャの研究者および開発者。

特徴

• 多次元対応：1D、2D、3Dデータの解析および合成をサポート。
• ハードウェアアクセラレーション：PyTorchを介した完全なGPUサポート。
• 微分可能：勾配をサポートし、トレーナブルなMLモデルへの統合に適しています。
• 境界処理：パディングなしで境界を処理するためのスパース行列ベースの変換を提供。
• ウェーブレットパケット：1次元および2次元のウェーブレットパケット変換をサポート。