HyperAIHyperAI
il y a 2 mois

Réseau de rétroaction pour l’amélioration mutuelle de la sur-résolution stéréoscopique et de l’estimation de disparité des images

Qinyan Dai; Juncheng Li; Qiaosi Yi; Faming Fang; Guixu Zhang
Réseau de rétroaction pour l’amélioration mutuelle de la sur-résolution stéréoscopique et de l’estimation de disparité des images
Résumé

Dans le cadre des paramètres stéréoscopiques, les problèmes de sur-résolution d'images (SR) et d'estimation de disparité sont étroitement liés, de telle manière que le résultat de chaque problème peut aider à résoudre l'autre. L'exploitation efficace de la correspondance entre différentes vues améliore les performances de SR, tandis que les caractéristiques en haute résolution (HR) avec plus de détails bénéficient à l'estimation de correspondance. À partir de cette motivation, nous proposons un réseau de rétroaction pour la sur-résolution stéréoscopique et l'estimation de disparité (SSRDE-FNet), qui gère simultanément la sur-résolution d'images stéréoscopiques et l'estimation de disparité dans un cadre unifié, et les fait interagir pour améliorer encore davantage leurs performances. Plus précisément, le SSRDE-FNet est composé de deux sous-réseaux récursifs duals pour les vues gauche et droite. Outre l'exploitation des informations inter-vues dans l'espace basse résolution (LR), les représentations HR produites par le processus SR sont utilisées pour effectuer une estimation de disparité HR plus précise, grâce à laquelle les caractéristiques HR peuvent être agrégées pour générer un résultat SR plus fin. Ensuite, le mécanisme proposé de rétroaction d'informations de disparité HR (HRDIF) transmet les informations portées par la disparité HR aux couches précédentes afin d'affiner davantage la reconstruction d'image SR. De nombreuses expériences montrent l'efficacité et l'avancée du SSRDE-FNet.

Réseau de rétroaction pour l’amélioration mutuelle de la sur-résolution stéréoscopique et de l’estimation de disparité des images | Articles de recherche récents | HyperAI