焦点引导特征融合网络用于轻量级图像超分辨率.
Haoran Jia1, Xin Wang1, Tongtai Cao1
1Beijing Engineering Research Center of Mixed Reality and Advanced Display, School of Optics and Photonics, Beijing Institute of Technology, Beijing, 100081, China.
概括
本研究介绍了FocusSRNet,这是一种用于单图像超分辨率 (SISR) 的新方法. 通过整合图像焦点信息,它可以通过轻量级的网络设计实现高精度的重建.
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:
- 单图像超分辨率 (SISR) 面临着模型复杂性和重建精度之间的权衡.
- 当前的轻量级网络往往忽略了低分辨率 (LR) 图像中的有价值的潜在信息.
研究的目的:
- 为SISR提出一个新的焦点导向特征融合网络 (FocusSRNet).
- 通过整合图像焦点信息作为先前信号来增强特征表示的充分性和可区分性.
主要方法:
- 开发了FocusSRNet的三个核心模块:焦点测量单元 (FMU),大接收场特征提取模块 (LRFFEM) 和非对称通道特征增强模块 (ACFEM).
- 引入图像聚焦信息作为SISR任务中的新型指导信号.
主要成果:
- 与现有的最先进的方法相比,FocusSRNet在多个基准数据集上表现出更好的表现.
- 焦点引导机制显著改善了重建质量.
结论:
- 拟议的焦点引导机制为轻量级和高精度超分辨率重建提供了一个新的视角.
- 通过利用图像聚焦先验,FocusSRNet提供了一种可行的方法来提高SISR性能.


