目前基于互联网各类图像以及人工智能应用对图像数据质量较为敏感,但由于采集设备以及传输方式限制,导致图像质量受到非常严重影响,为了弥补图像数据质量损失和增强图像效果,提出一种并行交错上下采样网络(parallel interlaced up and d...目前基于互联网各类图像以及人工智能应用对图像数据质量较为敏感,但由于采集设备以及传输方式限制,导致图像质量受到非常严重影响,为了弥补图像数据质量损失和增强图像效果,提出一种并行交错上下采样网络(parallel interlaced up and down sampling network, PSUDN)作为一个解决该问题的更好的方案,利用并行的高分辨特征(high resolution feature, HR_Feature)和低分辨特征(low resolution feature, LR_Feature),交错进行采样生成高级特征图,通过构建并行的高分辨率特征模块和低分辨率特征模块提升输出的高分辨率图片的质量。通过并行的上采样和下采样,构建的模型可以重建8倍的高分辨率图片,并达到当前较好的效果。展开更多
文摘目前基于互联网各类图像以及人工智能应用对图像数据质量较为敏感,但由于采集设备以及传输方式限制,导致图像质量受到非常严重影响,为了弥补图像数据质量损失和增强图像效果,提出一种并行交错上下采样网络(parallel interlaced up and down sampling network, PSUDN)作为一个解决该问题的更好的方案,利用并行的高分辨特征(high resolution feature, HR_Feature)和低分辨特征(low resolution feature, LR_Feature),交错进行采样生成高级特征图,通过构建并行的高分辨率特征模块和低分辨率特征模块提升输出的高分辨率图片的质量。通过并行的上采样和下采样,构建的模型可以重建8倍的高分辨率图片,并达到当前较好的效果。