초록
스테레오 이미지 슈퍼리졸루션(stereoSR)은 대체 뷰에서 보완 정보를 통합하여 슈퍼리졸루션 결과의 품질을 향상시키는 것을 목표로 합니다. 현재 방법들은 공간적 세부 정보를 유지하기 위해 전체 해상도에서 작동하는 것이 일반적이지만, 문맥 정보를 정확히 포착하는 데 어려움을 겪고 있습니다. 동시에, 이들은 두 뷰 간의 모든 특징 유사성을 활용하여 정보를 교차 융합하지만, 관련 없는 정보의 영향을 무시할 가능성이 있습니다. 이러한 문제를 해결하기 위해, 우리는 정밀한 공간적 세부 정보를 유지하고 풍부한 문맥 정보를 통합하며, 두 뷰에서 가장 정확한 특징을 적응적으로 선택하고 융합하여 고품질의 스테레오 이미지 슈퍼리졸루션을 강화하는 혼합 스케일 선택적 융합 네트워크(MSSFNet)를 제안합니다. 구체적으로, 우리는 여러 공간 스케일에서 문맥적으로 풍부한 특징 표현을 얻으면서 정밀한 공간적 세부 정보를 유지할 수 있는 혼합 스케일 블록(MSB)을 개발하였습니다. 또한, 가장 필수적인 교차 뷰 정보를 동적으로 유지하기 위해, 다른 뷰에서 가장 정확한 특징을 검색하고 전송하는 선택적 융합 주의 모듈(SFAM)을 설계하였습니다. 로컬 및 비로컬 특징의 풍부한 집합을 학습하기 위해, 우리는 명시적으로 주파수 영역 지식을 통합하는 고속 푸리에 컨볼루션 블록(FFCB)을 도입하였습니다. 광범위한 실험 결과는 MSSFNet이 양적 및 질적 평가 모두에서 최신 기술보다 상당한 개선을 이루었다는 것을 보여줍니다.