小伙伴们好，我是小嬛。专注于人工智能、计算机视觉、AI大模型领域相关分享研究。【目标检测、图像分类、图像分割、目标跟踪等项目都可做，相关领域论文辅导也可以找我；需要的可联系（备注来意）】

-------正文开始--------

发现很多人在做KAN时，关注点都放在KAN本身的结构改进上，这个已经很难卷了，现在真正容易出成果的，反而是KAN与经典架构的结合。

尤其是KAN+CNN这条路线，近两年相关工作越来越多。从图像分类、目标检测到医学影像、遥感分析，不少研究都在尝试利用CNN强大的局部特征提取能力，结合KAN的可解释性和非线性建模优势，在保证性能的同时提升模型表达能力。

这块最大的难点一般不是搭模型，而是不知道别人已经做到哪一步了，也不清楚哪些方向还值得挖。这里我为了帮大家节省查找的时间，我给大家提供更多的发文思路和方向，大家扫码获取！！！

KAN-FIF: Spline-Parameterized Lightweight Physics-based Tropical Cyclone Estimation on Meteorological Satellite

研究方法：该文提出KAN-FIF轻量化框架，以KAN替换传统MLP并和CNN组合搭建多尺度空间特征提取支路，搭配KAN改造的时序特征模块、KAN注意力编码与物理约束KAN层，融合风云四号卫星多模态数据实现台风最大风速、最大风圈半径轻量化在轨反演。

创新点：

• 用KAN替换原有MLP、全连接结构，结合CNN构建时空双分支特征提取网络，大幅压缩模型参数量。

• 依托KAN构建注意力编码与可微分物理约束模块，拟合台风风速和风圈半径间高阶非线性物理关联。

• 针对昇腾310 NPU硬件改造网络，剔除不适配算子完成轻量化适配，实现风云卫星端侧低时延推理部署。

  

  研究价值：基于KAN-CNN融合架构搭建轻量化台风估算模型，在保障预测精度前提下显著压缩模型体积、降低推理耗时，完成国产风云四号卫星配套昇腾NPU板卡落地验证，推动星上实时台风智能监测技术实用化，提升沿海台风灾害预警能力。

  UKAN-EP: Enhancing U-KAN with Efficient Attention and Pyramid Aggregation for 3D Multi-Modal MRI Brain Tumor Segmentation

  研究方法：该文提出UKAN-EP，以3D CNN构成U-Net主干做浅层空间特征提取、瓶颈处嵌入Tok-KAN实现高阶非线性建模，搭配PFA金字塔多尺度特征聚合与ECA轻量化通道注意力优化跨模态特征融合，并采用动态权重自适应融合交叉熵与Dice损失，用于多模态脑胶质瘤MRI分割。

  

  创新点：

• 将2D U-KAN拓展为3D结构，依托CNN搭建编码器，瓶颈层嵌入Tokenized KAN，结合CNN与KAN优势适配三维多模态脑MRI肿瘤分割。

• 引入PFA金字塔特征聚合与ECA轻量化通道注意力，优化多尺度、多模态特征融合效果，强化深浅层特征关联。

• 设计动态权重损失策略，自适应平衡交叉熵与Dice损失，改善肿瘤样本不均衡带来的分割偏差。

  

  研究价值：融合CNN空间提取能力与KAN非线性拟合优势，搭配PFA、ECA轻量化模块构建UKAN-EP模型，在参数量和运算量远低于Transformer类模型的前提下提升多模态脑肿瘤分割精度，为临床MRI病灶自动分割提供低成本、高性能的实用方案。

  感谢各位观众的观看和支持，祝大家的论文早日accept！！

  希望论文一路绿灯的朋友可以找我，我有团队，有资源，有背景，一条龙服务~~~~