使用多平面图像的交叉比例立体实现超分辨率图像

本文提出了一种新的方法，名为交叉 MPI，其目标是解决实际多尺度相机系统中受多平面图像（MPI）表示启发的 RefSR 问题。具体来说，交叉 MPI 是一种端到端的 RefSR 网络，由一种新的基于平面感知注意的 MPI 机制、一个多尺度引导上采样模块以及一个超分辨率（SR）合成和融合模块组成。本文提出的平面感知注意机制没有使用跨尺度立体之间的直接和穷举匹配，而是充分利用隐藏的场景结构进行有效的基于注意的对应搜索。进一步结合从粗到细的引导上采样策略，交叉 MPI 可以实现稳健而准确的细节传输。在数字合成和光学变焦交叉尺度数据上的实验结果表明，交叉 MPI 在应对较大的分辨率差（例如 8×放大）下可以实现高保真超分辨率。 摄像机的各种组合丰富了计算摄影，其中基于参考的超分辨率（RefSR）在多尺度成像系统中起着关键作用。然而，由于对底层场景结构的考虑较少，现有的 RefSR 方法无法在较大的分辨率差下实现高保真超分辨率。因此，本文的研究意义在于填补了这一领域的空白，提出了一种新的方法来实现高保真超分辨率图像。 本文的主要创新点在于提出了交叉 MPI 方法，它充分考虑多平面图像的表示形式，并结合了新的基于平面感知注意的 MPI 机制、多尺度引导上采样模块以及超分辨率合成和融合模块。通过这些创新，交叉 MPI 能够实现稳健而准确的细节传输，解决了现有方法在高分辨率下的局限性。实验结果表明，交叉 MPI 在数字合成和光学变焦交叉尺度数据上都取得了显著的提高，证明了其有效性和实用性。 总的来说，本文的工作对超分辨率图像实现具有重要意义。通过充分考虑底层场景结构，提出了交叉 MPI 方法，填补了现有 RefSR 方法的不足之处，为高保真超分辨率图像的实现提供了新的思路和方法。这对于图像处理和计算摄影领域都具有重要的理论意义和实际应用价值。希望本文的研究结果能够对相关领域的学者和工程师们有所启发，并推动该领域的进一步发展。