.png){kind=icon}
.png){kind=icon}
返回
Multi-Video Super-Resolution: Spatiotemporal Fusion for Sparse Camera Array
.png){kind=icon}
PRE
AI
DOI：10.1109/TCI.2025.3599774.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
稀疏相机阵列在同一空间平面上捕获场景的多个图像，以实现超分辨率重建。然而，现有方法通常未能充分利用时间作为增强信息获取的附加维度。即使时空观测同时收集，它们各自的贡献也常常被混淆。系统成像模型分析表明，集成相机阵列与视频序列的时空相机系统在退化恢复方面具有更大的潜力。基于这些见解，我们提出了一种新颖的多视频超分辨率网络，用于时空信息融合。在明确的物理维度导向下，该网络有效整合空间信息并沿时间维度传播。通过利用多样且富有信息量的时空采样，我们的方法更易于应对重建过程中因不适定映射矩阵引发的挑战。在合成和真实数据集上的实验结果表明，我们网络中信息完全传播且时空融合的组件能够协同工作以增强超分辨率性能，相比当前最先进的方法实现了显著提升。我们相信本研究可通过优化信息获取与利用，为未来的超分辨率任务带来创新启发。
Keyword:
Camera array
multi-video super-resolution
spatiotemporal fusion
deep neural network