استخراج النسيج بكفاءة باستخدام الانتباه وتعزيز التدرج لتحسين صورة عالية الدقة على نطاق واسع

أصبحت طرق استرجاع التفاصيل الصورية عالية الدقة القائمة على المراجع (RefSR) حديثًا قد تحسّنت بشكل كبير مقارنة بالطرق العميقة الرائدة (SOTA)، من خلال إدخال آليات الانتباه لتحسين الصور منخفضة الدقة من خلال نقل نسيج الصور عالية الدقة من صورة مرجعية عالية الدقة. تتمحور الفكرة الأساسية على البحث عن مطابقات بين القطع (patches) باستخدام زوج الصورة منخفضة الدقة والصورة المرجعية في فضاء الميزات، ثم دمجها باستخدام هياكل عميقة. ومع ذلك، تفتقر الطرق الحالية إلى دقة في بحث النسيج، حيث تقوم بتقسيم الصور إلى أكبر عدد ممكن من القطع، ما يؤدي إلى استهلاك غير فعّال للذاكرة، ولا يمكنها التعامل مع الصور الكبيرة. ولهذا، نقترح طريقة بحث عميقة ذات استخدام ذاكرة أكثر كفاءة، والتي تقلل بشكل كبير من عدد القطع الصورية، وتحدد لكل قطعة منخفضة الدقة $k$ من أدق المطابقات النسيجية من بين القطع عالية الدقة في الصورة المرجعية، مما يُحدث مطابقة نسيجية دقيقة. كما نُحسّن نتائج استرجاع التفاصيل الصورية من خلال إدخال معلومات كثافة التدرج باستخدام بنية متبقية بسيطة، مما يُظهر نتائج تنافسية من حيث المقاييس: PSNR وSSMI.