HyperAIHyperAI

Command Palette

Search for a command to run...

شبكة التغذية الراجعة لتحسين الصور المجسمة وتقدير الاختلاف المتبادل

Qinyan Dai¹ †, Juncheng Li¹, Qiaosi Yi¹, Faming Fang¹ *, Guixu Zhang¹

الملخص

في إعدادات الصور الاستريو، ترتبط مشكلة زيادة دقة الصورة (SR) وتقدير التباين ارتباطًا وثيقًا بحيث يمكن أن يساعد ناتج كل مشكلة في حل الأخرى. حيث تسهل الاستفادة الفعالة من التوافق بين وجهات النظر المختلفة أداء عملية زيادة الدقة، بينما تفيد الخصائص ذات الدقة العالية (HR) التي تحتوي على تفاصيل أكثر غنى تقدير التوافق. بناءً على هذا الحافز، نقترح شبكة ردود فعل لزيادة الدقة الاستريو وتقدير التباين (SSRDE-FNet)، والتي تعالج بشكل متزامن زيادة دقة الصور الاستريو وتقدير التباين ضمن إطار موحد وتتفاعل مع بعضها البعض لتحسين أدائهما بشكل أكبر. بصفة خاصة، تتكون SSRDE-FNet من شبكتين فرعيتين متبادلتَيْن للوجهات اليمنى واليسرى. بالإضافة إلى استغلال المعلومات عبر وجهات النظر في الفضاء ذي الدقة المنخفضة (LR)، يتم استخدام التمثيلات ذات الدقة العالية التي تم إنتاجها بواسطة عملية زيادة الدقة لتنفيذ تقدير التباين ذو الدقة العالية بدقة أعلى، مما يمكن من جمع الخصائص ذات الدقة العالية لإنتاج نتيجة أفضل لعملية زيادة الدقة. بعد ذلك، ينقل آلية ردود فعل معلومات التباين ذو الدقة العالية (HRDIF) المقترحة المعلومات التي تحملها القيم ذات الدقة العالية للتباين إلى الطبقات السابقة لتكرار صقل إعادة بناء الصورة ذات الدقة العالية. وقد أثبتت التجارب الواسعة فعالية وتفوق SSRDE-FNet.


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
شبكة التغذية الراجعة لتحسين الصور المجسمة وتقدير الاختلاف المتبادل | مستندات | HyperAI