El 2 de febrero fue publicado el artículo titulado “TnTViT-G: Transformer in Transformer Network for Guidance Super Resolution” en IEEE Access Journal, el cual es de categoría D1, los autores de este artículo son: Armin Mehri, Parichehr Behjati y Angel Sappa, este último miembro del CIDIS.
En este artículo, se intenta explotar información complementaria de un canal de bajo costo (imagen visible) para aumentar la calidad de imagen de un canal costoso (imagen infrarroja). Se propone un enfoque de superresolución basado en un transformador de doble flujo que utiliza la imagen visible como guía para superresolver otra imagen de banda espectral. Para tal fin, se presenta un Transformador en la red Transformador para superresolución de Orientación, denominado TnTViT-G, un método eficiente y efectivo que extrae las características de las imágenes de entrada a través de diferentes flujos y las fusiona en varias etapas. Además, a diferencia de otros enfoques de superresolución de orientación, TnTViT-G no se limita a un tamaño de muestra ascendente fijo y puede generar imágenes de superresolución de cualquier tamaño. Extensos experimentos en varios conjuntos de datos muestran que el modelo propuesto supera a otros enfoques de superresolución de última generación. TnTViT-G supera los métodos de última generación en hasta 0,19 ∼ 2,3 dB, mientras que es eficiente en memoria.
 |
 |
 |