شبكة التغذية الراجعة المتعددة المغلقة لزيادة دقة الصور

التطور السريع للتعلم العميق (DL) قد أدى إلى دخول تقنية تحسين دقة الصور الفردية (SR) عصرًا جديدًا. ومع ذلك، في معظم الشبكات الحالية القائمة على التعلم العميق لتحسين دقة الصور، تكون جريان المعلومات موجهًا للأمام فقط، ولا يمكن استكشاف الخصائص عالية المستوى بشكل كامل. في هذا البحث، نقترح شبكة الردود المتعددة المُدارة (GMFN) لتحسين دقة الصور بدقة عالية، حيث يتم تغذية تمثيلات الخصائص منخفضة المستوى بكفاءة من خلال إعادة توجيه العديد من الخصائص عالية المستوى. نقوم بتسلسل عدة كتل كثيفة متبقية (RDBs) ونشرها بشكل متكرر عبر الزمن. تستغل الروابط المتعددة للردود بين خطوتين زمنيتين متجاورتين في الشبكة المقترحة GMFN الخصائص عالية المستوى التي تم التقاطها تحت حقول استقبال كبيرة لتصحيح الخصائص منخفضة المستوى التي تعاني من نقص المعلومات السياقية. يقوم الوحدة المُدارة للردود المتعددة (GFM)، المصممة بعناية، باختيار وتقوية المعلومات المفيدة من الخصائص عالية المستوى المتعددة المرتدة بشكل فعال، ومن ثم تصحيح الخصائص منخفضة المستوى بالمعلومات عالية المستوى المعززة. تظهر التجارب الواسعة الأفضلية للشبكة المقترحة GMFN مقابل أفضل طرق تحسين الدقة الحالية من حيث المقاييس الكمية والجودة البصرية. يمكن الوصول إلى الكود في https://github.com/liqilei/GMFN.