对于红外图像超分辨率的可修复参数化的大型内核注意网络
Ran Wei1, Linze Zuo2, Xuesong Wang2
1Department of Rehabilitation Engineering, China Civil Affairs University, 102600, Beijing, China.
Scientific reports
|November 18, 2025
概括
这项研究引入了一种新的大型内核重构注意力机制,用于红外图像超分辨率. 可修复参数化的网络平衡了重建性能和推断速度,实现了最先进的结果.
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:
- 现有的红外图像超分辨率算法在平衡重建性能和推断速度方面面临挑战.
- 开发高效的算法对于实时红外成像应用至关重要.
研究的目的:
- 提出一个新的大型内核重构注意力机制,用于红外图像超分辨率.
- 开发一个可重定型的大型内核注意网络,优化性能和速度.
主要方法:
- 引入了一个大型内核重构注意力机制.
- 开发了一种可重定位的大核注意力网络,用于红外图像超分辨率.
- 在培训期间使用多分支网络,在效率推断期间使用单个分支网络.
主要成果:
- 与最先进的方法相比,在自我构建的红外数据集上,平均PSNR得到了0.0008 dB的改进.
- 演示了快速的推断速度,在RK3588神经处理单元上的320×180图像上只需要37ms的4×超分辨率.
结论:
- 拟议的可重定量化的大型内核注意网络有效地平衡了重建性能和推断速度.
- 这种方法为红外图像超分辨率任务提供了重大进步,使实时应用成为可能.
