BriefGPT - AI 论文速递
·
NAFRSSR：一种高效的立体图像超分辨率轻量级递归网络
💡
原文中文，约700字，阅读约需2分钟。
📝
内容提要
立体图像超分辨率（SR）是从双摄像头设备捕获的低分辨率（LR）图像重建高分辨率（HR）图像的技术。研究人员提出了一种名为NAFRSSR的简单高效的SR模型，通过引入递归连接和轻量化构成模块改进了先前的模型。NAFRSSR模型由NAFGCBlocks和DSSCAMs组成，能够提取特征和融合特征。研究人员还将可训练的边缘检测算子纳入到NAFRSSR中以提高模型性能。NAFRSSR具有更少的参数、更高的PSNR/SSIM和更快的速度。
🎯
关键要点
-
立体图像超分辨率（SR）是从双摄像头设备捕获的低分辨率（LR）图像重建高分辨率（HR）图像的技术。
-
研究人员提出了一种名为NAFRSSR的简单高效的SR模型。
-
NAFRSSR模型通过引入递归连接和轻量化构成模块改进了先前的模型NAFSSR。
-
NAFRSSR模型由NAFGCBlocks和DSSCAMs组成，能够提取特征和融合特征。
-
NAFGCBlock通过使用组卷积改进特征提取并减少参数数量。
-
DSSCAM通过替换卷积方式增强特征融合并减少参数数量。
-
研究人员将可训练的边缘检测算子纳入NAFRSSR中以提高模型性能。
-
NAFRSSR具有更少的参数、更高的PSNR/SSIM和更快的速度。
-
NAFRSSR设计了四个不同尺寸的变体，均优于先前模型。
-
NAFRSSR-M是最轻量级和最快的模型，具有0.28M参数和50毫秒推理时间。
➡️
