TSCN高效超分网络

精度更高更省算力

卷积结构具备Transformer建模能力，并引入大范围多阶卷积调制与空间感知动态特征流，在多个基准上超越SRFormer。

Xiao, Liu · Wang, Zhengyong · 杨红 · 何小海 · Haosong, Gou · 任超

IEEE Transactions on Industrial Informatics 2025

参数信息

峰值信噪比增益

0.03~0.17 dB

技术优势

精度更高

在多个基准上比当前最优方法SRFormer提高0.03~0.17 dB PSNR，且这一提升是在参数量和计算量更少的前提下实现的。

更省算力

相比SRFormer，TSCN使用了更少的参数和计算量，更适合在算力受限的设备上部署。

卷积即插即用

TSCN是完全由卷积构成的网络，不依赖自注意力机制，因此可以直接嵌入现有卷积推理管线，无需专门优化。

应用场景

• 具身智能：为机器人视觉前端提供高质量、低延迟的超分重建，提升感知精度。
• 工业机器人：可在工业相机图像中增强细节，辅助检测与定位，且易于部署在嵌入式平台。
• 无人机：低计算量适配无人机机载处理器，可实时提升航拍图像分辨率。
• 可穿戴医疗：轻量化网络可在可穿戴设备上实现医学影像细节增强，辅助诊断。