تعلم أنماط التوليف المثلى لتحسين دقة الصورة الاستيريو الخفيفة

يهدف التحسين الثلاثي للصورة (stereoSR) إلى تحسين جودة التحسين من خلال الاستفادة من المعلومات المساعدة المقدمة من منظور آخر. تتركز معظم الطرق الحالية على تحسين تصميم الوحدات، وبناء شبكات ضخمة من الكتل لاستخراج ودمج المعلومات. وعلى الرغم من التقدم المحرز، فإن تكاليف الذاكرة والحساب تزداد بشكل متزايد. لمعالجة هذه المشكلة، نقترح بنية شبكية (lattice) تتعلم بشكل مستقل أنماط التوليف المثلى للكتل الشبكية، مما يمكّن من اكتساب تمثيلات الميزات بكفاءة ودقة، ويؤدي في النهاية إلى تحقيق تحسين ثلاثي خفيف الوزن. بشكل محدد، نستلهم الفكرة من "مُحسِّن الطور الشبكي" (lattice phase equalizer)، ونصمم كتلة NAF ثلاثية شبكية (LSNB) لربط أزواج من كتل NAF باستخدام كتلة إعادة الترجيح (RWBlock) من خلال هيكلية توافقيّة على شكل فراشة مترابطة. تمنح كتلة RWBlock كتلة LSNB القدرة على استكشاف أنماط متنوعة لتركيب أزواج كتل NAF من خلال إعادة ترجيح الميزات بشكل تكيفي. علاوة على ذلك، نقترح وحدة انتباه ثلاثية شبكية (LSAM) للبحث عن الميزات الأكثر صلة ونقلها من المنظور الآخر. يُعرف الهيكل الناتج المترابط بشكل وثيق باسم LSSR، وتُظهر التجارب الواسعة أن طريقة التحسين المقترحة تتفوق على أحدث الطرق في مجالها.