HyperAIHyperAI

Command Palette

Search for a command to run...

الاسترجاع الفائق للصورة باستخدام شبكة هيكل-تفصيل متكررة

Takashi Isobe Xu Jia Shuhang Gu Songjiang Li Shengjin Wang Qi Tian

الملخص

تُعالج معظم طرق تحسين دقة الفيديو إطارًا مرجعيًا واحدًا باستخدام الإطارات المجاورة ضمن نافذة زمنية متحركة، وهي أقل كفاءة مقارنةً بالطرق القائمة على التكرار. في هذا العمل، نقترح طريقة جديدة لتحسين دقة الفيديو القائمة على التكرار، والتي تُعد فعّالة وكفؤة في استغلال الإطارات السابقة لتحسين دقة الإطار الحالي. تُقسَّم الإدخال إلى مكونين: مكون هيكلي وآخر تفصيلي، ثم تُقدَّم هاتان المكونات إلى وحدة تكرارية مكوّنة من عدة كتل ثنائية التدفق (two-stream) مُقترحة مبنية على المكون الهيكلي والتفصيلي. بالإضافة إلى ذلك، تم تقديم وحدة تكييف الحالة المخفية (hidden state adaptation module)، التي تسمح للإطار الحالي باختيار استخدام المعلومات من الحالة المخفية، بهدف تعزيز مقاومته للتغيرات في المظهر وتجنب تراكم الأخطاء. وتم التحقق من فعالية الوحدات المقترحة من خلال دراسة تحليلية واسعة النطاق. كما أظهرت التجارب على عدة مجموعات بيانات معيارية أداءً متفوقًا للمethod المقترح مقارنةً بالطرق الرائدة في مجال تحسين دقة الفيديو.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
الاسترجاع الفائق للصورة باستخدام شبكة هيكل-تفصيل متكررة | مستندات | HyperAI