.png){kind=icon}
返回
A lightweight network for image super-resolution based on multi-scale feature modulation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.dsp.2026.106491.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
轻量化卷积网络在单图像超分辨率中计算高效，但常难以捕捉全局上下文和长距离依赖。为解决此问题，我们提出了一种轻量级多尺度特征调制网络（MSFMN），在实现高效计算的同时建模全局和局部信息。具体而言，我们提出了一个多尺度特征调制模块（MSFM）。该模块通过双分支协同机制融合局部信息和全局信息，即局部特征提取分支和全局特征提取分支。具体地，局部分支采用深度卷积操作捕捉高频细节，而全局分支通过层次化多尺度卷积（逐步扩大感受野）实现长距离上下文建模。所得多尺度全局特征随后上采样至原始分辨率并转化为空间调制权重，自适应地调制局部特征以引导结合全局上下信息的重建。此外，为增强特征交互效果并实现高效特征融合，我们提出了双分支前馈网络。最终，通过结合多尺度特征调制模块与双分支前馈网络，构建了一个统一的特征聚合模块以实现代表性特征的筛选。实验结果表明，在放大因子×2下，相比SRConvNet，我们的方法性能更优，PSNR最高提升0.42 dB，参数量约减少21%。
Keyword:
Image super-resolution
Multi-scale feature modulation
Dual-branch feedforward network
期刊
D
IF:
3
论文数:
786
被引数:
0
机构
暂无机构信息
引用论文
Diff-RCformer: A diffusion-augmented Recursive Context Transformer for image super-resolutionDiff-RCformer: 一种用于图像超分辨率的扩散增强递归上下文Transformer
PREAI
分享收藏Multi-scale feature selection network for lightweight image super-resolution面向轻量级图像超分辨率的多尺度特征选择网络.png)
NEURAL NETWORKS
NEURAL NETWORKSIF6.3
PREAI
分享收藏分享收藏
ShuffleMixer: An Efficient ConvNet for Image Super-Resolution孙, L.; 潘, J.; 唐杰. Shufflemixer: 一种用于图像超分辨率的效率卷积网络. Adv. Neural Inf. Process. Syst. 2022, 35, 17314–17326. [Google Scholar] [CrossRef]
PREAI
分享收藏
查看更多内容