arxiv：2409.17759v1 [eess.iv] 26 Sep 2024__

arxiv：2409.17759v1 [eess.iv] 26 Sep 2024

可下载资源数量

已经购买

下载数量：1

单价	0 1.0
Coupon	100% 0%
Total	0 1.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arxiv：2409.17759v1 [eess.iv] 26 Sep 2024

¥ 1.0

热度

在同一场景中捕获不同的强度和光线的方向，光场（LF）可以将3D场景提示编码为4D LF映像，该图像具有广泛的范围（即，捕获后的重新集中和深度感测）。LF图像超分辨率（SR）旨在通过LF相机传感器的性能来改善图像分辨率。尽管现有方法取得了令人鼓舞的结果，但这些模型的实际应用是有限的，因为它们不够轻巧。在本文中，我们提出了一个名为LGFN的轻量级模型，该模型集成了不同视图的Lo local和全局特征以及LF Image SR的不同频道的特征。具体而言，由于不同的子孔径图像中相同像素位置的相邻区域表现出相似的结构关系，因此我们设计了一个基于CNN的轻质CNN特征表演模块（即DGCE），以更好地通过特征调节提取局部特征。同时，随着LF图像中边界之外的位置呈现出很大的差异，我们提出了一个有效的空间注意模式（即ESAM）（即ESAM），使用可分解的大内核卷积来获得扩大的接受场，并获得了一个扩大的接收场和效率的通道注意模块（即，Ecam）。与具有较大术语的现有LF图像SR模型相比，我们的模型的参数为0.45m，拖失术为19.33G，这已经达到了竞争效果。进行消融研究的实验实验证明了我们提出的方法的效率，该方法对NTIRE2024光场超级分辨率挑战的赛道2忠诚度和效率排名，这是赛道1 Fidelity的第七名。

添加pdf代下载 VIP点击下载文件