Brique Inversible à Trois Branches Plug-and-Play pour le Rééchelonnage d'Images

Les images à haute résolution (HR) sont fréquemment réduites à basse résolution (LR) pour diminuer la bande passante, avant d'être redimensionnées pour restaurer leurs détails originaux. Les progrès récents dans les algorithmes de redimensionnement d'images ont utilisé des réseaux neuronaux inversibles (INNs) pour créer un cadre unifié de réduction et d'élargissement de la résolution, garantissant une correspondance bijective entre les images LR et HR. Les méthodes traditionnelles, qui utilisent des blocs inversibles standards à double branche, traitent séparément les informations à haute fréquence et celles à basse fréquence, en s'appuyant souvent sur des distributions spécifiques pour modéliser les composantes à haute fréquence. Cependant, le traitement direct du composant à basse fréquence dans le domaine RGB introduit une redondance de canal, limitant l'efficacité de la reconstruction d'image. Pour relever ces défis, nous proposons un bloc inversible tri-branch plug-and-play (T-InvBlocks) qui décompose la branche à basse fréquence en composants luminance (Y) et chromatique (CbCr), réduisant ainsi la redondance et améliorant le traitement des caractéristiques. De plus, nous adoptons une stratégie de mappage tout-zéro pour les composantes à haute fréquence lors de l'élargissement de la résolution, concentrant les informations essentielles de redimensionnement au sein de l'image LR. Nos T-InvBlocks peuvent être intégrés sans heurts aux modèles de redimensionnement existants, améliorant les performances tant dans les tâches générales de redimensionnement que dans les scénarios impliquant une compression avec perte. Des expériences approfondies confirment que notre méthode fait progresser l'état de l'art en matière de reconstruction d'images HR.