Para reducir el impacto de la pérdida de información de alta frecuencia en la reconstrucción de imágenes y fortalecer la extracción de información de características, se construyó una red generativa basada en un módulo de agrupación de varianza piramidal. En primer lugar, la red utiliza el agrupamiento de varianza en diferentes niveles para explotar las características de imágenes de baja resolución y combina una estructura piramidal para obtener información contextual en diferentes escalas y subregiones, enriqueciendo así la cantidad de información característica. Luego, se emplea una estructura de conexiones densas para fortalecer la correlación entre la información de características, mejorando la capacidad expresiva de la red. Por último, se introduce la normalización por grupos para mejorar la convergencia de la red. Los resultados experimentales demuestran que el modelo propuesto supera a otros métodos en los conjuntos de prueba públicos Set5, Set14 y DIV2K100, con un aumento promedio de 0.509 dB en PSNR y 0.016 en similitud estructural para un factor de ampliación de 4. El modelo no solo mejora el PSNR y la similitud estructural, sino que las imágenes reconstruidas también presentan más detalles reales en la apariencia visual.

superresolución de imagen;red generativa antagónica;agrupación de varianza;conexiones densas