Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

WaveHiT-SR : réseau d'ondelettes hiérarchique pour une super-résolution d'image efficace

Created by
  • Haebom

Auteur

Fayaz Ali, Muhammad Zawish, Steven Davy, Radu Timofte

Contour

Dans cet article, nous proposons WaveHiT-SR, une nouvelle méthode de super-résolution (SR) d'images qui intègre la transformée en ondelettes dans un cadre de transformation hiérarchique. Pour pallier la portée limitée des méthodes SR existantes basées sur les transformateurs, nous utilisons des fenêtres hiérarchiques adaptatives plutôt que des fenêtres fixes de petite taille afin de capturer des caractéristiques à différents niveaux et d'améliorer la modélisation des dépendances à longue portée. De plus, nous utilisons la transformée en ondelettes pour décomposer les images en plusieurs bandes de fréquences, préservant ainsi les détails structurels tout en nous concentrant sur les caractéristiques globales et locales. Le traitement hiérarchique permet la reconstruction progressive d'images haute résolution, réduisant ainsi la complexité de calcul tout en minimisant la dégradation des performances. Nous démontrons l'efficacité et l'efficience de WaveHiT-SR par des expériences approfondies et démontrons que des versions améliorées de SwinIR-Light, SwinIR-NG et SRFormer-Light atteignent une efficacité accrue (moins de paramètres, moins de FLOP et une vitesse plus élevée) et des résultats de SR de pointe.

Takeaways, Limitations

•
Takeaways:
◦
Nous démontrons que la combinaison du fenêtrage hiérarchique adaptatif et de la transformée en ondelettes peut améliorer les performances de super-résolution des images tout en réduisant la complexité de calcul.
◦
Atteint une efficacité supérieure (moins de paramètres, FLOP inférieurs, vitesse plus rapide) que les excellents modèles SR basés sur des transformateurs existants.
◦
Générez des images haute résolution tout en préservant mieux les détails grâce à l'extraction de fonctionnalités sur plusieurs bandes de fréquences.
•
Limitations:
◦
Il est possible que les performances de la méthode proposée soient biaisées en faveur de certains types d’images ou d’ensembles de données.
◦
Les performances peuvent être affectées par les paramètres de la transformée en ondelettes. Des recherches supplémentaires sont nécessaires pour déterminer les paramètres optimaux.
◦
Une analyse comparative plus complète avec d’autres méthodes SR de pointe est nécessaire.
👍
Made with Slashpage