一个管道,使近岸红外视频超分辨率能够学习更多的高频前景信息
Yuanlin Zhao1, Wei Li2, Jiangang Ding1
1School of Information Engineering, Chang'an University, Shaanxi 710064, China.
概括
本研究介绍了TASNet,这是一个用于近岸红外视频超分辨率 (NIVSR) 的新型网络. 在红外视频中,TASNet 增强了前景细节重建,性能优于当前最先进的方法.
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:
- 近岸红外视频超分辨率 (NIVSR) 面临的挑战是前景细节有限.
- 现有的融合方法在红外视频特征的像素级重建方面遇到了困难.
- 在超分辨率 (SR) 中修补图像加剧了细节损失.
研究的目的:
- 介绍TASNet,这是一个新的空间和时间网络,用于改进NIVSR.
- 为了提高红外视频中前景特征的重建质量.
- 为了解决当前NIVSR技术的局限性.
主要方法:
- 开发了TASNet,这是一个模拟空间和时间特征进行交互的网络.
- 引入了有效的前景信息感知 (EFIP) 模块,以强调前景.
- 实现时间差异学习 (TDL) 和视觉转换器 (ViT) 实现时间一致性.
主要成果:
- 塔斯网实现了28.33 PSNR和0.9122 SSIM,超过了RBPN (27.27 PSNR,0.9024 SSIM) 这样的SOTA方法.
- 在红外视频中展示了前景特征的卓越重建.
- 通过基准实验和开源代码验证.
结论:
- 塔斯网为NIVSR提供了一个简单而强大的解决方案.
- 该网络有效地整合了空间和时间信息,以提高视频超分辨率.
- 在红外视频中重建详细的前景方面,TASNet代表了重大进展.
