跳到正文
arXiv · 机器人与计算机视觉· Abhiram Karukayil, Jo\~ao F. C. Mota, Mateo V\'asquez-Guevara, Tito Arevalo-Ramirez, Fernando Auat Cheein·· 16 天前AI 评分38

多光谱作物成像超分辨率技术性能评估:Transformer 方法显著优于 GAN 与扩散模型

Performance evaluation of super-resolution techniques for characterization and phenotyping of commodity crops using multispectral imagery

AI 导读

该研究评估了八种预训练单图像超分辨率(SISR)方法在红绿近红外(RGN)作物影像中的表现,未进行微调。实验显示 Transformer 基法(HAT、HiT-SR、SRFormer)在整体及叶片区域重建中显著优于 GAN 和扩散模型(p < 0.001),且能保持光谱保真度与植被指数可靠性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org