基于神经热场的任意尺度超分辨率：Thera

Arbitrary-Scale Super-Resolution with Neural Heat Fields

Source | HN Comments

文章介绍了名为 Thera 的新型超分辨率方法，它基于神经热场，能够实现任意尺度的无混叠超分辨率。Thera 内置物理观测模型，通过超网络估计像素级神经热场参数，并以适当的采样率栅格化该场生成图像。实验结果表明，Thera 在多种超分辨率基准测试中表现出色，优于现有方法。文章提供了论文、代码和演示链接。

Thera：基于神经热场的无混叠任意尺度超分辨率

Alexander Becker❄️,🔥, Rodrigo Caye Daudt❄️,🔥, Dominik Narnhofer🔥, Torben Peters🔥, Nando Metzger🔥, Jan Dirk Wegner🌶️, Konrad Schindler🔥 ❄️同等贡献 🔥苏黎世联邦理工学院摄影测量与遥感 🌶️苏黎世大学数学建模与机器学习系 arXiv Code 🤗 Demo Thera 方法的无混叠超分辨率概述

Thera 是第一个内置物理观测模型的任意尺度超分辨率方法。

展示一些结果！

第一行：输入图像和我们的超分辨率结果的比较。第二行：一个 SOTA 竞争者 (MSIT) 和我们的比较。

工作原理

一个超网络估计像素级的局部神经热场的参数{b1,W2}(i,j)。相移 b1 作用于全局学习到的分量，然后在热激活函数根据它们的频率和期望的缩放因子来缩放每个分量。然后使用系数 W2 线性组合这些分量，从而产生一个适当模糊的、连续的局部神经场。然后以适当的采样率（分辨率）栅格化该场，以产生最终输出图像的一部分（红色正方形）。与以前的方法不同，设计上保证了正确的抗锯齿！ Thera 方法

量化比较

由于其基于原则的观测模型，我们的方法在各种超分辨率基准测试中实现了最先进的性能。 Thera 结果方案

引用

如果您觉得我们的工作有帮助，请考虑引用我们的论文😊：

@article{becker2025thera,
 title={Thera: Aliasing-Free Arbitrary-Scale Super-Resolution with Neural Heat Fields},
 author={Becker, Alexander and Daudt, Rodrigo Caye and Narnhofer, Dominik and Peters, Torben and Metzger, Nando and Wegner, Jan Dirk and Schindler, Konrad},
 journal={arXiv preprint arXiv:2311.17643},
 year={2025}
}

网站模板基于 Nerfies.