HyperAIHyperAI

Command Palette

Search for a command to run...

الانحدار التربيعي الأدنى المقيد العميق للتحسين العلوي للصورة العمياء

Ziwei Luo Haibin Huang Lei Yu Youwei Li Haoqiang Fan Shuaicheng Liu

الملخص

في هذه الورقة، نعالج مشكلة تحسين دقة الصورة العمياء (Blind Image Super-Resolution) من خلال نموذج تدهور معاد صياغته ووحدتين جديدتين. وفقًا للممارسات الشائعة في تحسين دقة الصورة العمياء، يقترح منهجنا تحسين كلاً من تقدير نواة التشويش واستعادة الصورة عالية الدقة القائمة على النواة. وبشكل أكثر تفصيلًا، نعيد صياغة نموذج التدهور بحيث يمكن تحويل تقدير نواة إزالة التشويش إلى الفضاء منخفض الدقة. على هذا الأساس، نقدم وحدة مرشح خطي عميق ديناميكي. بدلًا من تعلُّم نواة ثابتة لجميع الصور، يمكنها توليد أوزان نواة إزالة التشويش بشكل تكيفي بناءً على المدخلات، مما يؤدي إلى تقدير نواة أكثر موثوقية. ثم، تُطبَّق وحدة مرشح محدود بالحد الأدنى من المربعات العميقة لاستخلاص ميزات نظيفة بناءً على الصياغة المعاد صياغتها ونواة التقدير. وبعد ذلك، تُدخل الميزة المُزالة تشويشها وميزة الصورة المنخفضة الدقة إلى شبكة تحسين دقة الصورة ذات طريقتين منظمة، لاستعادة النتيجة النهائية عالية الدقة. ولتقييم منهجنا، نُجري تقييمات إضافية على عدة معايير معيارية، بما في ذلك Gaussian8 وDIV2KRK. تُظهر التجارب أن الطريقة المقترحة تحقق دقة أفضل وتحسينات بصرية متفوقة مقارنةً بالطرق الرائدة في مجالها.


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