非局部降解建模用于空间适应的单图像超分辨率超分辨率
Qianyu Zhang1, Bolun Zheng1, Zongpeng Li1
1School of Automation, Hangzhou Dianzi University, Hangzhou 310018, China.
概括
这项研究引入了一个用于盲人超分辨率 (SASR) 的空间自适应网络,该网络通过自适应地估计图像退化来提高图像质量. 在超分辨率任务中,SASR增强了本地图像细节,超过了现有的方法.
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:
- 目前的单图像超分辨率 (SISR) 方法假设模糊度均,在没有纹理的区域失败.
- 适应性内核估计对于改善SISR结果至关重要.
研究的目的:
- 开发一个盲人SISR (SASR) 的空间适应网络.
- 共同建模全球和本地图像退化,以提高超分辨率.
主要方法:
- SASR使用编码器-解码器架构进行全球和本地退化表示.
- 一个交叉注意力机制融合了这些表示.
- 一个新的非本地空间自适应过模块 (SAFM) 增强了本地细节.
主要成果:
- SASR有效地估计了降解,并处理各种不同类型的降解.
- 当地代表防止单个内核估计问题,改善细节的保存.
- 在盲目SISR和降解估计中展示了最先进的性能.
结论:
- 通过自适应性,全球-本地共同降解建模,SASR提供卓越的盲目SISR性能.
- 拟议的SAFM有效地保留和增强本地图像细节.
- SASR取得了具有竞争力的结果,解决了现有的SISR技术的局限性.
