UOMOP

% 데이터: alpha, beta, dim, snr, Average PSNR, FLOPsdata = [ 0.1, 0.1, 512, 30, 30.06, 45269.61; 0.1, 0.4, 512, 30, 30.05, 45131.627; 0.1, 0.7, 512, 30, 30.03, 44734.679; 0.1, 1.0, 512, 30, 29.98, 43972.61; 0.1, 1.3, 512, 30, 29.87, 42476.44; 0.1, 1.6, 512, 30, 29.68, 40356.324; 0.4, 0.1, 512, 30, 30.06, 45269.61; 0.4, 0.4, 512, 30, 30.05, 45129.967; 0.4, 0.7, 512, 30, 30..

% alpha와 beta의 값들alpha_values = [0.1, 0.4, 0.7, 1.0, 1.3, 1.6];beta_values = [0.1, 0.4, 0.7, 1.0, 1.3, 1.6];% 데이터: alpha, beta, dim, snr, Average PSNR, FLOPsdata = [ 0.1, 0.1, 512, 30, 30.53, 39008.573; 0.1, 0.4, 512, 30, 30.46, 37107.607; 0.1, 0.7, 512, 30, 30.29, 33694.062; 0.1, 1.0, 512, 30, 30.06, 30121.08; 0.1, 1.3, 512, 30, 29.79, 27204.84; 0.1, 1.6, 512, 30, 29.54, 25425..

import torchimport numpy as npdef patch_importance(image, patch_size=2, type='variance', how_many=1): flops = 0 # FLOPs 계산을 위한 변수 if isinstance(image, torch.Tensor): image = image.numpy() H, W = image.shape[-2:] value_map = np.zeros((H // patch_size, W // patch_size)) for i in range(0, H, patch_size): for j in range(0, W, patch_size): start_i = max(i - ho..

% 파일의 시작 부분에 함수를 정의하지 않고 실행 부분을 분리하여 사용합니다.% 함수를 호출하여 그래프를 바로 그립니다.dim = 512;plot_snr_flops(dim);function plot_snr_flops(dim) % 주어진 dim에 맞는 데이터를 설정합니다. switch dim case 512 snr = [30, 20, 10, 0]; flops_cbs = [18921.875, 18355.511, 16824.245, 14549.408]; flops_topk = [19578.203, 19357.112, 18657.311, 17099.987]; flops_rs = [19193.948, 18921.917, 17866.058, 16427.387]; flops_deepjscc = [57070, 5707..

% 파일의 시작 부분에 함수를 정의하지 않고 실행 부분을 분리하여 사용합니다.% 함수를 호출하여 그래프를 바로 그립니다.dim = 512;plot_snr_psnr(dim);function plot_snr_psnr(dim) % 주어진 dim에 맞는 데이터를 설정합니다. switch dim case 512 snr = [30, 20, 10, 0]; psnr_cbs = [29.72, 27.97, 24.60, 20.66]; psnr_rs = [25.13, 24.35, 22.35, 19.63]; psnr_topk = [26.42, 25.32, 22.79, 19.34]; psnr_deepjscc = [29.227, 26.817, 23.501, 18.781]; case 1024 snr = [30, 20, 10, 0];..