自主监督学习现实世界超级分辨率从双重和多重缩放观测

科学领域:

• 计算机视觉 计算机视觉
• 图像处理 图像处理
• 人工智能的人工智能

背景情况:

• 基于参考的超分辨率 (RefSR) 对于提高智能手机的图像质量至关重要.
• 现有的RefSR方法在选择适当的参考图像和自我监督学习方面面临挑战.

研究的目的:

• 提出一种新的自我监督学习方法,用于现实世界RefSR,使用智能手机上的双摄像头和多摄像头变焦.
• 为了应对参考图像选择和自我监督学习的挑战,RefSR.

主要方法:

• 在双变焦超分辨率 (DZSR) 框架中利用远距离图像作为超分辨率超宽图像的参考.
• 实施自主监督学习,使用远距离图像作为监督,使用两阶段对齐方法来处理不对齐.
• 引入局部重叠切片瓦瑟斯坦损失以获得视觉上令人愉快的结果,并为多个缩放观测引入渐进的融合方案.

主要成果:

• 与最先进的方法相比,拟议的方法在数量和质量上取得了更好的表现.
• 使用易于获取的双重和多重放大智能手机图像,证明了有效的自我监督RefSR.
• 成功地缓解了不同摄像头变焦级别之间的错位问题.

结论:

• 新型自主监督的RefSR方法有效地利用智能手机多摄像头系统来增强图像超分辨率.
• 提出的方法为现实世界RefSR挑战提供了强大的解决方案,提高了图像质量和可用性.
• 这项工作为移动摄影中的高级图像增强技术铺平了道路.