基于深度身份学习的空投图像超分辨率 (NSSR-DIL)
计算机视觉与模式识别
2024-09-19 v1 人工智能
摘要
当前的最先进 (SotA) 图像超分辨率 (ISR) 方法采用深度学习技术，依赖大量图像数据。将现有 SotA ISR 方法扩展至实际场景的主要限制在于其计算和时间复杂度。本文提出一种新颖且计算高效的 ISR 算法，独立于图像数据集来学习 ISR 任务。该算法将 ISR 任务从生成超分辨率 (SR) 图像重新表述为计算支配退化空间核的逆的方法。我们引入深度身份学习，利用退化模型与逆退化模型之间的身份关系。该方法既不依赖 ISR 数据集，也不依赖单个输入低分辨率 (LR) 图像（如自监督方法 ZSSR），从而不需训练模型。因此，我们将其称为基于深度身份学习的空投图像超分辨率 (NSSR-DIL)。 proposed NSSR-DIL 模型至少节省一个数量级的计算资源，并在基准 ISR 数据集上表现出竞争性能。另一个显著特点是，NSSR-DIL 框架无需重新训练模型即可适用于不同尺度因子，如 X2、X3 和 X4。这使得该高度高效的 ISR 模型更适用于实际应用。
引用
@article{arxiv.2409.12165,
title = {NSSR-DIL: Null-Shot Image Super-Resolution Using Deep Identity Learning},
author = {Sree Rama Vamsidhar S and Rama Krishna Gorthi},
journal= {arXiv preprint arXiv:2409.12165},
year = {2024}
}