多尺度纹理融合超分网络

长程依赖线性复杂度

通过状态空间模型实现多尺度特征融合，更精准地从参考图像中恢复纹理。

周红洋 · 祝晓斌 · 覃京燕 · Yu, Xu · Cesar-Jr, Roberto M. · Yin, Xucheng

International Journal of Computer Vision 2025

参数信息

数据集规模

47653 pairs

技术优势

多尺度纹理高效匹配

通过多尺度匹配模块，可在图像重建的不同阶段精确找到参考图中不同尺度的相似纹理，避免只关注单一尺度。

长程依赖线性复杂度建模

状态空间融合模块以线性复杂度捕捉长程依赖，加强多尺度纹理特征的融合，使恢复的图像细节更自然。

数据集规模扩大超过三倍

新数据集 DRefSR 包含 47,653 对图像，远超现有最大数据集的 13,761 对，且场景更多样、配对更准确。

应用场景

• 具身智能：提高视觉感知分辨率，支持复杂场景中的精细理解。
• 图像超分辨率：以参考图为先验，改善严重退化图像的重建效果。
• 计算摄影：恢复拍摄中丢失的高频纹理，增强真实感。
• 低质图像增强：从参考图借取纹理，提升低质量输入的可视效果。
• 机器人视觉：提升机器人采集图像的分辨率，辅助精细操作。