RFSR: تحسين نماذج الانتشار العكسي (ISR) من خلال التعلم بالردود الفعل المكافئة

تم استخدام نماذج التوسع الجينراتيفية (DM) بشكل واسع في تحسين دقة الصور (ISR). تعتمد معظم الطرق الحالية على خسارة إزالة الضوضاء من نماذج DDPM لتحسين النموذج. نقترح أن إدخال تعلم الردود الإيجابية يمكن أن يحسن جودة الصور المولدة بشكل أكبر. في هذا البحث، نقترح استراتيجية تدريب واعية بالخطوات الزمنية مع تعلم الردود الإيجابية. بصفة خاصة، في مراحل إزالة الضوضاء الأولى من عملية ISR التوسعية، نطبق قيود تردد منخفض على صور التحسين العالي للدقة (SR) للحفاظ على الاستقرار البنيوي. وفي المراحل اللاحقة لإزالة الضوضاء، نستخدم تعلم الردود الإيجابية لتحسين الجودة الإدراكية والجمالية لصور SR. بالإضافة إلى ذلك، ندمج تقنية تنظيم Gram-KL لتخفيف التأثيرات النمطية التي قد تنتج عن استغلال الردود الإيجابية. يمكن دمج طريقتنا في أي نموذج ISR مستند إلى التوسع بطريقة سهلة ومباشرة. أظهرت التجارب أن نماذج ISR التوسعية، عند إعادة ضبطها باستخدام طريقتنا، تحسن بشكل كبير الجودة الإدراكية والجمالية لصور SR، مما يؤدي إلى تحقيق نتائج ذاتية ممتازة. الكود: https://github.com/sxpro/RFSR