研究基于注意力机制和生成对抗网络的建筑图像的超高分辨率重建
Qinhuang Chen1, Gongyu Hou2, Dandan Wang3
1School of Mechanics and Civil Engineering, China University of Mining and Technology (Beijing), Beijing, 100083, China. chenqinhuang1212@163.com.
Scientific reports
|February 17, 2026
概括
这项研究引入了建筑图像的高级超分辨率模型,平衡了高重建质量与实时推断速度. 新的生成对抗网络 (GAN) 方法提高了智能建筑监控的细节和效率.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 土木工程 土木工程是指土木工程.
背景情况:
- 高分辨率的建筑图像对于质量监测和进度跟踪至关重要.
- 现有的超分辨率模型在复杂的建筑环境中,在平衡重建质量与实时推断速度方面面临挑战.
研究的目的:
- 为建筑图像提出一种新的超高分辨率重建模型.
- 解决当前模型在实现高保真性和实时性能的局限性.
主要方法:
- 开发了一个基于生成对抗网络 (GAN) 的超级解析模型.
- 包含一个多尺度浅特征提取 (MSFE) 模块用于细节捕获.
- 使用了SFT-Octave-Residual in Residual Dense Blocks (SORRDB) 与Octave Convolution以及scSE的注意力,以实现高效的特征处理.
- 在区分器中使用Swin变压器来增强本地和全球特征提取.
主要成果:
- 在使用PSNR (28.063dB),SSIM (0.825) 和LPIPS (0.197) 的SODA数据集上实现了卓越的性能.
- 在NVIDIA GeForce RTX 4070.0上的实时推断速度为32.0 FPS.
- 显著提高建筑图像的感知质量和结构完整性.
结论:
- 拟议的模型为建筑图像超分辨率提供了性能和效率之间的最佳平衡.
- 它为智能建筑监控系统提供了巨大的好处.
- 该模型有效地提高了图像质量,同时满足了实时处理需求.
