摘要
画像超解像再構成過程において低解像度特徴の抽出効果が低く、多くの高周波情報が失われることによるエッジのぼやけや偽影問題に対し、多次元注意機構と選択的特徴融合を画像特徴抽出モジュールとして融合した画像超解像再構成手法を提案する。ネットワークは複数の基本ブロックと残差操作によってモデルの特徴抽出構造を構築し、その核は画像特徴を抽出する異種グループ畳み込みブロックである。このモジュールの対称グループ畳み込みブロックは並列方式で異なるチャネル間の内部情報特徴を畳み込み抽出し選択的特徴融合を行い、補完畳み込みブロックは空間、入出力次元、カーネル次元から全次元動的畳み込みにより欠落した文脈情報を捉える。対称グループ畳み込みブロックと補完畳み込みブロックを連結した特徴は特徴強化残差ブロックにより冗長な妨害不要情報を除去する。モデルは5種類のアブレーション実験により設計の妥当性を証明し、Set5, Set14, BSDS100及びUrban100のテストセットで他の主流超解像再構成手法と比較し、ピーク信号対雑音比（PSNR）及び構造的類似性（SSIM）の定量データは全て向上し、特に拡大率3のSet5データセットで準最良アルゴリズムCARN-Mより0.06 dB向上した。結果は提案モデルがより優れた性能指標とより良い視覚効果を有することを示す。
关键词
超解像再構成; 多次元注意機構; 特徴融合; 残差ネットワーク
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website