EBSR: تحسين فائق للصورة المتسلسلة المُعزّز بالسمات مع محاذاة مُتغيرة الشكل
{Shuaicheng Liu Jian Sun Haoqiang Fan Lanpeng Jia Youwei Li Xuan Mo Lei Yu Ziwei Luo}
الملخص
نُقدّم معمارية جديدة لمعالجة مشكلة التكبير المتعدد الإطارات (MFSR). تُعرف الإطار المُقترح بـ"التكبير المُحسَّن للبُurst" (EBSR)، والذي يُقسّم مشكلة MFSR إلى ثلاث مراحل: المحاذاة، والدمج، وإعادة البناء. نُقدّم وحدة تُسمى "الهرم المُعزّز بالميزات والمتسلسلة الانزلاقية مع التحوير" (FEPCD) لمحاذاة صور متعددة منخفضة الدقة ضمن البُurst على مستوى الميزات. ثم يتم دمج الميزات المُحاذاة باستخدام وحدة دمج غير محلية متقاطعة (CNLF). وأخيرًا، يتم إعادة بناء الصورة عالية الدقة (SR) باستخدام شبكة التوصيل الطويل المدى (LRCN). بالإضافة إلى ذلك، نُنشئ هيكلًا تسلسليًا للمسار المتكرر (CR) لتحسين الأداء. أجرينا عدة تجارب لتحليل وعرض فعالية هذه الوحدات. وقد حقق نموذجنا EBSR المركز الأول في المسار الحقيقي، والمركز الثاني في المسار الاصطناعي ضمن مسابقة NTIRE21 للتكبير المُتعدد للبُurst.
المعايير القياسية
| معيار قياسي | المنهجية | المقاييس |
|---|---|---|
| burst-image-super-resolution-on | EBSR | LPIPS: 0.031 PSNR: 42.98 SSIM: 0.972 |
| burst-image-super-resolution-on-burstsr | EBSR | LPIPS: 0.024 PSNR: 48.23 SSIM: 0.985 |
بناء الذكاء الاصطناعي بالذكاء الاصطناعي
من الفكرة إلى الإطلاق — عجّل تطوير الذكاء الاصطناعي الخاص بك من خلال البرمجة المشتركة المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.