任何SR:实现图像超分辨率作为任何规模,任何资源

科学领域:

• 计算机视觉 计算机视觉
• 图像处理 图像处理
• 深度学习 (Deep Learning) 是一种深度学习.

背景情况:

• 单图像超分辨率 (SISR) 方法通常需要大量的计算资源,这限制了它们在不同尺度上的可扩展性和效率.
• 现有的任意规模的SISR解决方案通常使用相同的计算成本,无论目标规模如何,导致效率低下.

研究的目的:

• 引入AnySR,这是一个新的框架,用于将现有的任意规模SISR方法重建为任何规模,任何资源的实现.
• 通过优化不同规模的资源利用来提高SISR应用程序的效率和可扩展性.

主要方法:

• AnySR将任意规模的任务构建为任何资源实现,减少对更小规模的资源需求,没有额外的参数.
• 该框架通过特征交织方法提高任何尺度的性能,定期插入尺度对到特征中以进行正确的处理.

主要成果:

• 通过重建现有的任意规模的SISR方法来证明AnySR,并通过五个流行的SISR测试数据集进行验证.
• 结果证实,AnySR实现SISR任务的效率更高,并与现有的任意规模SISR方法相提并论.

结论:

• AnySR实现了SISR任务的任何规模和任何资源实施,这是该领域的首个.
• 该框架为SISR提供了更有效的计算解决方案,使先进的超分辨率技术在各种硬件功能中更容易获得.