用于屏幕内容图像连续超分辨率的隐式Transformer网络

如今，由于屏幕共享、远程协作和在线教育的广泛应用，屏幕内容呈爆发式增长。为匹配有限的终端带宽，高分辨率（HR）屏幕内容可能被下采样和压缩。在接收端，低分辨率（LR）屏幕内容图像（SCIs）的超分辨率（SR）因HR显示或用户放大查看细节的需求而备受渴求。然而，主要为自然图像设计的图像SR方法因图像特性迥异及SCI任意尺度浏览需求，难以泛化至SCI。为此，我们提出一种新颖的隐式Transformer超分辨率网络（ITSRN）用于SCI SR。为实现任意倍率下的高质量连续SR，所提隐式Transformer由关键坐标处的图像特征推断查询坐标处的像素值，并提出隐式位置编码方案以聚合相似邻近像素值至查询像素。我们构建了含LR与HR SCI对的基准SCI1K与SCI1K-compression数据集。大量实验表明，所提ITSRN在压缩与未压缩SCI上均显著优于多种具竞争力的连续与离散SR方法。