一种基于混合专家机制的边缘增强型超分辨率方法

本发明提出一种基于混合专家机制的边缘增强型超分辨率方法，在极低参数量下实现了退化图像的高质量重建。具体而言，我们设计了一个并行的Transformer‑CNN架构，以同时捕获局部细节与全局上下文信息，并引入基于混合专家的边缘增强模块，通过稀疏激活的多专家网络对高频残差进行建模，从而有效缓解边缘模糊与纹理丢失问题。该集成学习方式在不显著增加推理计算量的前提下，大幅度地提升了模型容量。实验结果表明，所提出方法在仅484K参数量的条件下，于Set5、Set14、BSD100、Urban100和Manga109五个基准数据集上均取得了优于现有轻量级方法的性能，验证了其在移动终端实时部署的可行性与有效性。