摘要
بالنظر إلى التكلفة الحسابية العالية لخوارزميات تحسين دقة الصور الحالية، والإدراك المحدود للنسيج عالي التردد المحلي، والتنقيب غير الكافي عن المعلومات الأساسية، يقترح هذا البحث شبكة ترميم تحسين دقة الصور خفيفة الوزن تعتمد على انتباه دمج التردد العالي. أولاً، تم تصميم وحدة تعزيز ثنائية المسار في هيكل الشبكة لفصل الميزات بشكل صريح إلى فرعين متوازيين للترددات العالية والمنخفضة. يُستخدم الفرع ذي التردد المنخفض لالتقاط الهياكل الناعمة، بينما يطبق الفرع ذو التردد العالي مرشح تمرير عالي قابل للتعلم تم تهيئته بواسطة مشغل لابلاس لاستخراج الحواف والأنسجة بدقة. ثانياً، تم اقتراح وحدة تنقية مكانية لتعزيز الميزات المحلية باستخدام عمليات التفاف منفصلة الاتجاه، وتنتج استعلامات تحتوي على معلومات مكانية غنية. أخيراً، تم تصميم آلية انتباه إدراكي ترددي غير متماثل وفعالة لتعزيز التفاعل بين المعلومات المحلية والعالمية. تعتمد هذه الآلية على المعلومات المحلية الناتجة عن وحدة التنقية المكانية كاستعلام وتسترجع معلومات تكميلية على مستوى عالمي بشكل ديناميكي، مما يعالج بشكل فعال قيود الاعتماد طويل المدى للنوافذ المحلية. أظهرت التجارب على مجموعة Urban100 أن الخوارزمية بلغت تحسناً متوسطاً في PSNR مقداره 0.53 ديسيبل وتحسناً في SSIM بمقدار 0.0147 على مقياس التكبير ×4 مقارنة بالنماذج الأخرى، وكان زمن التشغيل 14% فقط من SwinIR. من حيث جودة البصريات في ترميم الصور، يمكن للنموذج توليد حواف أكثر وضوحاً وأنسجة أكثر واقعية، مما يثبت فعالية وتقدم النموذج في عملية ترميم الصور مع الحفاظ على الوزن الخفيف.
关键词
معالجة الصور; ترميم تحسين الدقة; آلية الانتباه; دمج الميزات; خفيف الوزن
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website