MFSR: 基于多分形特征的超级分辨率重建与细粒度细节恢复
计算机视觉与模式识别
2025-02-28 v1
摘要
在执行图像超分辨率处理过程中，复杂局部信息的处理可能对生成图像的质量产生显著影响。分形特征能够捕捉图像中微观和宏观纹理结构的丰富细节。因此，我们提出了一种结合低分辨率图像分形特征的基于扩散模型的超分辨率方法，命名为MFSR。MFSR将这些分形特征作为扩散模型去噪过程中的强化条件，以确保纹理信息的准确恢复。MFSR使用卷积作为软分配来近似低分辨率图像的分形特征。这种方法也用于近似这些图像的密度特征图。通过使用软分配，图像的空间布局被分层描述，编码了图像在不同尺度上的自相似性。对不同类型特征应用不同的处理方法，以丰富模型获取的信息。此外，在去噪U-Net中集成了一个子去噪器，以减少上采样过程中特征图中的噪声，从而提高生成图像的质量。在各种面部和自然图像数据集上进行的实验表明，MFSR能够生成更高质量的图像。
引用
@article{arxiv.2502.19797,
title = {MFSR: Multi-fractal Feature for Super-resolution Reconstruction with Fine Details Recovery},
author = {Lianping Yang and Peng Jiao and Jinshan Pan and Hegui Zhu and Su Guo},
journal= {arXiv preprint arXiv:2502.19797},
year = {2025}
}