赤外線画像超解像のための軽量ハイブリッド知覚強調ネットワーク

科学分野:

• コンピュータビジョン
• 画像処理
• 人工知能

背景:

• 赤外線画像超解像（SR）は、現在の畳み込みニューラルネットワーク（CNN）およびTransformerモデルの制限により、困難です。
• CNNは長距離依存関係に苦労しますが、Transformerは計算コストが高く、ローカルの詳細を見逃します。

研究 の 目的:

• 改善された赤外線画像超解像のための新しいハイブリッド知覚強調ネットワーク（HPEN）を開発すること。
• グローバルコンテキストモデリングとローカル詳細抽出を組み合わせて、既存のSRメソッドの制限に対処すること。

主な方法:

• トークン集約ブロック（TAB）をグローバルコンテキストのために、マルチスケール特徴強調ブロック（MFEB）をローカル詳細のために、そして洗練のために畳み込み層を統合するハイブリッド知覚強調ブロック（HPEB）を特徴とするハイブリッド知覚強調ネットワーク（HPEN）を提案します。

主要な成果:

• HPENは赤外線画像超解像タスクで最先端のパフォーマンスを達成し、既存の方法を上回っています。
• 軽量アプローチの中で、[Formula: see text] SRタスクにおいて最高のピーク信号対雑音比（PSNR）と構造的類似性指数（SSIM）を達成しています。
• HiT-SRと比較してFLOPを42.9%、GPUメモリ使用量を90.6%削減し、[Formula: see text]高速な推論速度を実現するなど、大幅な効率上の利点を示しています。

結論:

• 提案されたHPENは、優れた赤外線SRのためにグローバルコンテキストとローカル詳細の両方を効果的にモデル化します。
• HPENは、赤外線画像超解像のための計算効率が高く高性能なソリューションを提供します。
• 開発されたネットワークは、赤外線イメージングのための軽量SRアプローチにおいて大幅な進歩を提供します。