【ETHZ博士论文】超越像素深度：通过深度学习增强超分辨率技术，198页pdf

文章预览

** 超分辨率（Super-Resolution, SR） 旨在从低分辨率（LR）图像或视频中恢复高分辨率（HR）图像或视频。**近年来，深度学习的崛起极大地推动了SR技术的发展，通过深度神经网络实现了令人印象深刻的实际应用。尽管取得了巨大进展，SR仍面临诸多关键挑战，包括整合跨信息、有效扩展跨尺度图像分辨率、同时处理跨退化问题，以及向跨维度任务扩展。这些挑战在实际应用中表现为信息不足导致恢复效果受限、难以推广到非尺度图像、处理多种退化问题的困难，以及视频SR在现实场景中的应用局限。为了解决这些问题，本论文提出了以下SR方法。 1. 解决跨信息挑战：DATSR 方法 针对跨信息挑战，我们提出了一种可变形注意力Transformer模型，称为 DATSR ，用于从参考图像中挖掘更多信息。DATSR包括三个核心模块： 纹理特征编码器（TFE）模块 、 基于参考的可 ………………………………