基于深度语义分割和特征亲和力的图像超分辨率

图2：DSRL 框架概述

图2展示了我们提出的 DSRL 框架，它包含三个主要部分：

语义分割超分辨率 (SSSR) 分支: 该分支旨在生成高分辨率的语义分割图。* 单图像超分辨率 (SISR) 分支: 该分支专注于从低分辨率图像重建高分辨率图像。* 特征亲和力 (FA) 模块: 该模块用于增强 SSSR 和 SISR 分支之间的特征交互，从而提高超分辨率结果的质量。

SSSR 分支和 SISR 分支共享同一个编码器，以提取图像的底层特征。该架构通过以下三个损失函数进行优化：

SISR 分支的 MSE 损失: 用于衡量超分辨率图像与真实高分辨率图像之间的像素级差异。2. FA 损失: 用于鼓励 SSSR 和 SISR 分支学习互补的特征表示。3. 特定任务损失: 根据具体的应用场景选择，例如语义分割任务中的交叉熵损失。

通过联合优化这三个损失函数，DSRL 框架能够有效地利用语义信息来指导图像超分辨率，从而生成视觉上更清晰、更逼真的高分辨率图像。