Para abordar os problemas existentes nos métodos de super-resolução de vídeo em cenas com movimentos complexos, como o desalinhamento impreciso entre quadros, a utilização insuficiente da informação temporal e a alta complexidade computacional dos mecanismos tradicionais de atenção, este artigo propõe uma rede de super-resolução de vídeo com atenção cruzada guiada por fluxo óptico (OFCA-Transformer). Primeiro, é projetado um módulo leve de estimativa de fluxo óptico multiescala que gera informações de movimento de múltiplas granularidades; em segundo lugar, é introduzido inovadoramente um mecanismo de atenção cruzada guiada por fluxo óptico, que cria uma janela de atenção local centrada na posição prevista do fluxo óptico, realizando a fusão profunda entre o conhecimento geométrico explícito e a percepção implícita do conteúdo, melhorando a precisão do alinhamento e reduzindo significativamente a complexidade computacional; por fim, é construído um módulo de agregação de características em camadas para alcançar uma fusão mais eficaz das características espaço-temporais dentro da arquitetura Transformer. Com fatores de ampliação de ×2, ×3 e ×4, o método proposto é comparado com outros em três conjuntos de dados públicos. Os resultados mostram que o valor PSNR do OFCA-Transformer em vários conjuntos de dados difere em apenas 0,16 dB em comparação com outros métodos avançados, enquanto a quantidade de parâmetros do modelo é reduzida em 82,8 %, melhorando efetivamente a eficiência computacional. Além disso, o método proposto apresenta uma recuperação de detalhes mais precisa e melhor consistência temporal em cenas com movimentos complexos, obtendo objetivamente melhores métricas quantitativas em todos os fatores de ampliação.

super-resolução de vídeo;Transformer;estimativa de fluxo óptico;atenção cruzada;alinhamento de movimento