热门搜素: 电商 教育 视频 健康
新知榜公众号 随时随地查看资讯 手机访问更加便捷
首页 > 行业观察 > Meta-SR:一种解决任意缩放因子超分辨率问题的新模型
Meta-SR:一种解决任意缩放因子超分辨率问题的新模型
新知榜官方账号
2023-09-20 02:48:30
本文介绍旷视研究院提出的一种新模型——Meta-SR,该模型可通过单一模型解决超分辨率的任意缩放因子问题,并可动态地预测生成一组相应的滤波器权重。本文还对Meta-SR进行了实验,与其他方法进行了对比,结果表明Meta-SR在任意缩放因子的情况下都表现出了优越性。
本文针对超分辨率技术中的任意缩放因子问题,介绍了一种新模型Meta-SR。传统的超分辨率方法通常只考虑一些特定的整数缩放因子,而Meta-SR通过动态预测每个缩放因子的滤波器权重,可以实现任意大小的HR图像的生成,以解决超分辨率任意缩放因子问题。本文首先介绍Meta-Upscale模块,该模块可动态地预测任意缩放因子的滤波器权重,然后再描述Meta-SR的细节。
本文提出的Meta-SR模型由特征学习模块和Meta-Upscale模块组成。Meta-Upscale模块由三个函数组成:LocationProjection、WeightPrediction和FeatureMapping。其中,LocationProjection把像素投射到LR图像上,WeightPrediction模块为SR图像上每个像素预测对应滤波器的权重,最后,FeatureMapping函数利用预测得到的权重将LR图像的特征映射回SR图像空间以计算其像素值。
本文进行了一系列实验,对Meta-SR和其他方法进行了对比。实验结果表明,Meta-SR在任意缩放因子的情况下都表现出了优越性。此外,Meta-SR还可以按照任意缩放因子快速地持续放大同一张图像。
本文介绍了一种新模型Meta-SR,该模型可通过单一模型解决超分辨率的任意缩放因子问题,并可动态地预测生成一组相应的滤波器权重。本文还对Meta-SR进行了实验,与其他方法进行了对比,结果表明Meta-SR在任意缩放因子的情况下都表现出了优越性。
相关工具
相关文章
相关快讯
短视频知识人物影响力榜
新知榜独家 {{faTime.effecttime}}发布
总榜
人物 领域 粉丝数 影响力指数
{{item.manIndex}}
{{item.nickname}} {{item.field}}
{{item.fs}}
{{item.effect}}