感知不确定性超分网络

难重建像素优先

通过像素级不确定性约束生成器，让超分辨率重建优先优化高难度纹理和边缘区域，并自适应平衡训练损失。

Ma, Chenxi

2024

技术优势

难像素优先优化

通过不确定性图让判别器定位重建难度高的像素（如纹理、边缘），生成器在这些区域投入更多优化，从而提升细节恢复效果。

损失权重自适应

引入不确定性感知的损失加权策略，自动学习各损失项的最优权重，避免了手动调节的繁琐，同时提升训练稳定性。

效果超现有方法

在重建精度和感知质量方面均超越现有最优方法，实验验证了方法的有效性与优越性。

应用场景

• 图像超分辨率：替代传统插值或感知损失方法，恢复更真实的纹理细节。
• 机器视觉：提升目标检测与识别系统对低分辨率图像的鲁棒性。
• 医学影像增强：增强医学影像中的细微结构，辅助医生诊断。
• 遥感影像处理：提高遥感影像中地物边缘的清晰度，便于后续分析。