旋转等差 任意尺度 图像 超分辨率

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:

• 任意尺度图像超分辨率 (ASISR) 旨在从低分辨率输入中重建高分辨率图像.
• 目前的ASISR方法在低分辨率图像中扎着几何扭曲,导致重建中的工件.
• 旋转等差对于保持几何图案的方向和结构至关重要.

研究的目的:

• 开发一种用于任意尺度图像超分辨率的新型旋转等差方法.
• 为了应对低分辨率图像中几何图案扭曲和变形的挑战.
• 在ASISR网络中实现端到端的旋转等价性.

主要方法:

• 重新设计的编码器和隐式神经表示 (INR) 模块,以整合内在旋转等差.
• 开发了一种从输入到输出的端到端旋转等价度的方法.
• 提供理论分析来评估内在等价差误差.

主要成果:

• 提出的方法成功地保持了几何图案的原始方向和结构完整性.
• 对模拟和真实数据集的实验证明了旋转等价变量ASISR方法的优越性.
• 该框架可以被集成到现有的ASISR方法中,作为一个plug-and-play模块.

结论:

• 开发的旋转等值ASISR方法有效地减轻了由几何扭曲引起的工件.
• 这项工作首次在ASISR中建立了端到端旋转等价值.
• 拟议的方法在重建具有保存结构细节的高保真图像方面取得了重大进展.