BriefGPT - AI 论文速递
·
具有可学习的频率感知丢失先验的分层神经运算器变压器用于任意尺度超分辨率
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于不同比例尺下特征适应块和上采样层的单幅图像超分辨率网络的方法，并利用特定比例尺下的网络知识，提出了一种比例尺-aware知识转移方法。结果表明，该方法可以在保持整数比例尺下的图像超分辨率性能的同时，在非整数和非对称跨度方面取得有前途的结果，而附加的计算和内存成本非常小。
🎯
关键要点
-
提出了一种基于不同比例尺下特征适应块和上采样层的单幅图像超分辨率网络的方法。
-
利用特定比例尺下的网络知识，提出了一种比例尺-aware知识转移方法。
-
该方法在保持整数比例尺下的图像超分辨率性能的同时，取得了非整数和非对称跨度的有前途结果。
-
附加的计算和内存成本非常小。
➡️
