May, 2023

利用多感知特征进行现实世界图像超分辨率学习

PDF
TL;DR该研究提出了一种新的超分辨率方法 MPF-Net，它利用了输入图像的多个感知特征，实现了多感知特征提取和交叉感知块的有效结合，加入了反思正则化项来提高模型的学习能力，实验证明它在质量和数量上显著优于现有的最先进方法。
image super-resolutiondegradation-estimation-basedblind-based methodsperceptual featuresmulti-perception feature extraction
发现论文，激发创造
  • 将退化预测与高性能超分辨率网络相结合的框架

    本文提出了将盲超分辨率预测机制与深度超分辨率网络相结合的框架，通过在 SR 网络特征映射中插入预测向量的元数据插入块，我们展示了最先进的对比预测方案和迭代预测方案在 RCAN 和 HAN 等高性能 SR 网络中成功地结合使用的结果，实现了比非盲和盲超分辨率网络更强大的超分辨率性能。

    Nov, 2022

  • 学习用于立体影像超分辨率的准确且丰富特征

    本研究提出了一种混合尺度选择性融合网络（MSSFNet），用于提高立体图像超分辨率（stereoSR）结果的质量，包括保留精确的空间细节和丰富的上下文信息，并自适应地选择和融合来自两个视角的最准确的特征，以增强高质量的 stereoSR 效果。

    Jun, 2024

  • 利用增强感知超分辨率网络分析感知 - 失真权衡

    本研究中，我们尝试使用生成对抗网络框架将 SR 网络 EDSR 作为生成器模块，通过结合均方误差损失、感知损失和对抗性损失训练我们的网络，以在失真和感知质量之间获得最佳权衡，从而实现更好的感官质量。

    Nov, 2018

  • 通过具有隐含高分辨率先验的特征匹配实现实际盲超分辨率

    本文提出了一种名为特征匹配 SR（FeMaSR）的方法。该方法在预训练的 HR 先验信息空间中进行图像恢复，通过匹配失真的 LR 图像特征与 HR 先验信息中的无失真特征码本相匹配，并解码匹配的特征来重建逼真的 HR 图像，实验结果显示该方法比以前的方法更逼真。

    Feb, 2022

  • 学习混合深度网络以进行单幅图像超分辨率

    该研究提出了一种学习统一框架下的一组 SR 预测模块的方法，这些模块专注于不同的图像局部模式和使用神经网络来进行图像超分辨率，相比其他方法在广泛范围内实现了最先进的恢复效果。

    Jan, 2017

  • 轻量级立体图像超分辨率的多层特征融合网络

    我们提出了一种高效的轻量级立体图像超分辨率多级特征融合网络（MFFSSR），通过利用混合注意力特征提取块（HAFEB）提取多级视角内部特征，并使用通道分离策略与嵌入的视角交互模块有效地进行交互，该结构配置能够在改善跨视角信息共享效率的同时有效挖掘视图内的特征，从而更准确地重构图像细节和纹理。通过丰富的实验证明了 MFFSSR 的有效性，我们在更少的参数下实现了卓越的性能。源代码可在此 URL 找到。

    May, 2024

  • 基于多注意力的超轻量级图像超分辨率

    本文提出 MAFFSRN 方法，通过特征融合和多重注意机制提出了一种轻量级的图像超分辨率网络，实验表明该方法在内存占用、浮点运算次数和模型参数数量等方面表现优秀。

    Aug, 2020

  • 感知和保真度感知的减引用超分辨率图像质量评估

    通过利用低分辨率图像和比例因子来评估图像超分辨率（SR）图像的感知质量和重建保真度，本研究提出了一种新颖的双分支减参考 SR-IQA 网络（PFIQA），其中感知分支利用 Vision Transformer（ViT）和 ResNet 的全局建模和局部关系，结合比例因子实现综合视觉感知，而保真性分支通过视觉感知评估低分辨率和超分辨率图像之间的重建保真度，两个分支的结合与人类视觉系统高度契合，实现全面的 SR 图像评估。实验结果表明，PFIQA 在三个广泛使用的 SR-IQA 基准测试中优于当前最先进的模型，特别在评估真实世界 SR 图像质量方面表现出色。

    May, 2024

  • 基于渐进感知的单幅图像超分辨率网络

    本文提出了一种分阶段新颖的感知图像超分辨率方法，第一阶段集中于最小化点之间误差，第二阶段利用前一阶段提取的特征来追求更好的结构保留，并采用第二阶段提取的细节结构特征来产生更真实的结果，通过多尺度特征融合，提出的方法优于现有方法。

    Jul, 2019

  • 基于深度学习的单幅图像超分辨率的全面综述

    本研究调查了单图像超分辨率的经典方法和基于深度学习的方法，将这些方法分类为四类，并介绍了 SR 的问题，提供了图像质量指标，参考数据集和 SR 的挑战。其中包括 EDSR，CinCGAN，MSRN 等最先进的图像 SR 方法。

    Feb, 2021