PSNR狂飙5dB！新方法让图像超分辨率告别阶梯伪影
Directional Total Variation-Regularized Implicit Neural Representations (DTV-INR) for Continuous Super-Resolution in Degraded Imaging Domains
📖 AI 总结
本文提出一种方向性全变分正则化隐式神经表示方法（DTV-INR），用于退化成像域中的连续图像超分辨率。该方法将连续到离散的采集过程建模为不适定逆问题，在SIREN坐标网络上引入由结构张量驱动的动态黎曼度量张量场，通过谱分解使正则项沿主要结构轮廓方向优先扩散，同时抑制跨边缘耗散，从而克服传统标量全变分带来的阶梯伪影。作者在H¹空间中证明了该变分模型解的存在性、唯一性与度量稳定性，并采用交替投影优化算法实现网络参数与张量场的解耦更新。在临床脑部MRI与生物透射电镜数据上的实验表明，该方法在非整数倍连续上采样下较无正则基线PSNR最高提升5.05 dB，较各向同性TV-INR提升1.71至2.85 dB，并在噪声水平达0.10时仍保持稳健，收敛行为呈单调预条件特征。
🔑 关键词速览
| DTV-INR | 方向全变差正则化隐式神经表示，一种结合各向异性全变差正则化与隐式神经网络的超分辨率方法。 |
| SIREN | 一种使用正弦激活函数的隐式神经网络架构，常用于坐标驱动的信号表示。 |
| Total Variation (TV) | 全变差正则化，一种用于图像去噪和超分辨率的正则化技术，但可能导致阶梯伪影。 |
| Riemannian metric tensor field | 黎曼度量张量场，描述空间中每点度量性质的张量场，用于引导各向异性扩散。 |
| PSNR | 峰值信噪比，衡量图像重建质量的常用指标，值越高表示质量越好。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅