现代显示设备的高质量大规模图像下采样
图像与视频处理
2025-10-29 v1
摘要
在现代显示技术和可视化工具中，下采样图像是最重要的活动之一。该过程旨在在大幅度缩减图像尺寸以适配显示设备尺寸的同时，保持视觉真实性和结构完整性。本研究提出了一种新型下采样技术，利用共现学习在保持结构和感知信息的同时降低分辨率。该技术利用输入图像创建数据驱动的共现概览，捕捉相邻邻域中强度相关性的频率。由此引导的精细滤波过程充当内容自适应范围内核。每个输入像素的贡献基于其与邻居成对强度值接近程度。我们在四个数据集上验证了所提方法：DIV2K、BSD100、Urban100 和 RealSR，以展示其有效的下采样能力。该技术在DIV2K 数据集上下采样8倍和16倍时，分别可获得最高达39.22 dB PSNR 和 PIQE 最高达26.35。大量实验结果证明，所提建议的图像下采样方法在视觉质量和性能指标方面均优于更现代的方法。与大多数现有方法不关注大规模图像调整场景不同，我们在不损失纹理或边缘模糊的前提下，实现了高质量下采样图像。LSID（large scale image downscaling）方法通过聚焦于统计上一致的像素，成功保留了诸如边缘、纹理和重复模式等高频结构，同时减少了传统下采样技术常见的别名和模糊伪影。
引用
@article{arxiv.2510.24334,
title = {High-Quality and Large-Scale Image Downscaling for Modern Display Devices},
author = {Suvrojit Mitra and G B Kevin Arjun and Sanjay Ghosh},
journal= {arXiv preprint arXiv:2510.24334},
year = {2025}
}
备注
10 pages, 3 tables, and 6 figures