Описание промпта

Пожалуйста, создайте диаграмму архитектуры основного модуля, соответствующую требованиям к иллюстрациям в научных журналах SCI. Требования следующие: 1. Общий макет и спецификации: - Макет: Горизонтальный последовательный поток (адаптированный к ширине одной колонки статьи 8,5 см / ширине двух колонок 17 см), со структурой: "Искаженное входное изображение" → Основной модуль 1 → Основной модуль 2 → Основной модуль 3 → "Восстановленное выходное изображение"; - Цветовая схема: Используйте профессиональные цвета с низкой насыщенностью для фона модулей (Модуль 1: светло-голубой, Модуль 2: светло-зеленый, Модуль 3: светло-серый), углубите подкомпоненты на 20% в пределах той же цветовой гаммы и используйте тонкую черную линию 0,5pt для границ. - Шрифт: Используйте Times New Roman для английского (10pt жирным шрифтом для заголовков модулей, 8pt для подкомпонентов/описаний) и Songti для китайского (те же уровни размера шрифта); пометьте переменные признаков (например, F) курсивом. - Разрешение: ≥300dpi, векторный формат (поддерживает масштабирование без размытия). 2. Детали модуля (включая внутренние подкомпоненты): - Модуль 1: Заголовок (жирным шрифтом) "Основной модуль 1: Модуль динамической маршрутизации с учетом искажений" Встроенные блоки подкомпонентов (более темный светло-голубой): ① Блок распознавания типа искажения: Описание функции "Извлечение представлений искажений (например, размытия/шума) из входного изображения"; ② Механизм адаптивного принятия решений: Описание функции "Классификация категорий искажений с помощью обучаемых порогов"; ③ Библиотека стратегий динамической маршрутизации: Описание функции "Сопоставление соответствующих стратегий восстановления для многотипных искажений"; Аннотация потока данных: Входной признак "*F*искаженный" → Модуль 1 → Выходной признак "*F*1". - Модуль 2: Заголовок (жирным шрифтом) "Основной модуль 2: Модуль мультимодальной инъекции признаков" Встроенные блоки подкомпонентов (более темный светло-зеленый): ① Экстрактор семантических априори CLIP/LLM: Описание функции "Извлечение текстурных семантических априори из предварительно обученных моделей"; ② Блок выравнивания кросс-модальных признаков:"