Die Autoren präsentieren einen neuen Ansatz zur Qualitätsbewertung von Super-Auflösungsbildern (SR-Bildern) mithilfe eines tiefen bidirektionalen Aufmerksamkeitsnetzwerks (BiAtten-Net).
Bisherige Methoden zur Qualitätsbewertung von SR-Bildern haben Schwächen, da sie entweder auf flachen Merkmalen basieren oder die Interaktionen zwischen den Zweigen des Netzwerks nicht ausreichend berücksichtigen. Um diese Probleme zu lösen, entwickeln die Autoren das BiAtten-Net, das die Prozesse der Erzeugung und Bewertung von Verzerrungen in SR-Bildern dynamisch simuliert.
Dazu nutzt das Netzwerk einen bidirektionalen Aufmerksamkeitsmechanismus, der die visuelle Aufmerksamkeit auf Verzerrungen zwischen den Referenzbildern (HR) und den SR-Bildern verstärkt. Die Visualisierungen und Ablationstudien zeigen, dass dieser Ansatz effektiv die Aufmerksamkeit auf Verzerrungen lenkt und so die Qualitätsbewertung verbessert.
Die Experimente auf öffentlichen Datensätzen für SR-Bildqualität zeigen, dass das vorgeschlagene BiAtten-Net den aktuellen Stand der Technik übertrifft und sowohl für natürliche als auch für SR-Bilder bessere Ergebnisse erzielt.
Til et andet sprog
fra kildeindhold
arxiv.org
Vigtigste indsigter udtrukket fra
by Yixiao Li,Xi... kl. arxiv.org 03-18-2024
https://arxiv.org/pdf/2403.10406.pdfDybere Forespørgsler