【技术实现步骤摘要】
本专利技术属于计算机与网络，尤指一种服装图像超分辨率方法及装置。
技术介绍
1、图像超分辨率(sr)是低分辨率视觉领域中的一个核心问题，其目标是从低分辨率图像(lr)中恢复高分辨率图像(hr)。由于现实场景中退化模型的复杂性和未知性质，这一问题存在严重的不确定性。
2、传统的基于生成对抗网络(gan)的方法在处理风格多样的服装图像时容易陷入模式崩溃，难以捕捉图像的多样性，导致生成样本缺乏变化。近年来，随着扩散模型在图像生成领域取得了显著进展，越来越多的研究者开始探索扩散模型在超分辨率(sr)任务中的潜力。目前，扩散模型在sr任务中的应用主要有两种方式：一种是将lr图像作为输入，重新训练扩散模型以生成sr图像；另一种是利用无条件预训练的扩散模型作为先验，并调整其反向过程以生成所需的hr图像。不幸的是，这两种策略都继承了ddpm底层的马尔可夫链，这导致推理效率低下，通常需要数百甚至数千个采样步骤。尽管一些加速技术已经被提出，以减少采样步骤的数量，但这些技术往往会显著影响性能，导致生成结果过于平滑，细节特征丢失，无法满足实际的工业
<本文档来自技高网...【技术保护点】
1.一种服装图像超分辨率方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种服装图像超分辨率方法，其特征在于，所述步骤S1中获取服装图像数据的具体操作步骤为：
3.根据权利要求1所述的一种服装图像超分辨率方法，其特征在于，所述步骤S4中处理方法的步骤为：
4.根据权利要求3所述的一种服装图像超分辨率方法，其特征在于，所述步骤S4中小波卷积神经网络模块用于减少额外的训练成本，同时提取输入图像的特征，作为条件特征；该模块使用参数数量较少的卷积神经网络来提取主要的低频分量和部分高频分量，有助于扩散模型恢复更复杂的高频细节；为了保...
【技术特征摘要】
1.一种服装图像超分辨率方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种服装图像超分辨率方法，其特征在于，所述步骤s1中获取服装图像数据的具体操作步骤为：
3.根据权利要求1所述的一种服装图像超分辨率方法，其特征在于，所述步骤s4中处理方法的步骤为：
4.根据权利要求3所述的一种服装图像超分辨率方法，其特征在于，所述步骤s4中小波卷积神经网络模块用于减少额外的训练成本，同时提取输入图像的特征，作为条件特征；该模块使用参数数量较少的卷积神经网络来提取主要的低频分量和部分高频分量，有助于扩散模型恢复更复杂的高频细节；为了保证特征提取能力，引入了基于快速傅立叶变换和基于离散小波变换的损失函数，以及空间域损失函数组成联合损失函数来进行协同优化，其中，基于快速傅立叶变换损失函数通过计算真实图像和预测图像在频域的基于快速傅立叶变换系数之间的均方误差来优化；基于离散小波变换损失函数通过计算真实图像和预测图像在各个高频子带之间的均方误差来进一步恢复高频细节；空间域损失函数则直接计算真实高分辨率图像与预测图像之间的均方误差。
5.根据权利要求3所述的一种服装图像超分辨率方法，其特征在于，所述步骤s4中频域引导交叉注意力用于解决传统扩散模型在高频细节恢复上的不足，通过引入频域信息来增强模型对高频特征的捕捉能力，利用频域信息来引导注意力机制，使得模型在恢复过程中更加专注于图像的高频细节生成包含丰富高频细节的特征图，从而提高超分辨率图像的质量，具体方法为：
6.根据权利要求3所述的一种服装图像超...
【专利技术属性】
技术研发人员：马映辉，陈帅，陈锌，
申请(专利权)人：青岛三态比特科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。