SESR : Amélioration de la Résolution d'une Image Unique avec des Réseaux de Compression et d'Excitation Récursifs

La sur-résolution d'image unique est une tâche très importante en vision par ordinateur, avec un large éventail d'applications. Au cours des dernières années, la profondeur des modèles de sur-résolution a constamment augmenté, mais cette augmentation n'a apporté qu'une petite amélioration des performances, tout en entraînant une consommation massive de calcul et de mémoire. Dans ce travail, afin de rendre les modèles de sur-résolution plus efficaces, nous avons proposé une nouvelle méthode de sur-résolution d'image unique basée sur des réseaux récursifs de compression et d'excitation (SESR). En intégrant le module de compression et d'excitation, notre méthode SESR peut modéliser les interdépendances et les relations entre les canaux, ce qui rend notre modèle plus efficace. De plus, la structure récursive et la méthode de reconstruction progressive dans notre modèle ont minimisé le nombre de couches et de paramètres, permettant à SESR de former simultanément plusieurs échelles de sur-résolution au sein d'un seul modèle. Après avoir été évalué sur quatre ensembles de tests基准测试集 (benchmark test sets), notre modèle a prouvé sa supériorité par rapport aux méthodes les plus avancées actuellement disponibles en termes de vitesse et de précision.注：由于“基准测试集”在法语中没有一个完全对应的术语，我保留了英文“benchmark test sets”并将其放在括号内以确保信息完整。