数字技术与应用杂志社

摘要：<正>随着深度学习技术的飞速发展，视觉保真度增强在计算机视觉领域展现出巨大的应用潜力。通过构建多层神经网络结构，结合卷积神经网络和生成对抗网络等先进算法，实现了图像超分辨率重建、噪声消除和细节增强等关键技术突破，研究采用改进型残差网络架构，在标准测试数据集上取得PSNR提升3.2 dB的效果。同时，设计自适应特征提取模块，提出基于注意力机制的图像质量评估方法，显著提升处理后图像的视觉质量。实验结果表明，所提出的深度学习框架能有效解决传统方法在图像增强过程中存在的细节丢失、纹理失真等问题，为实现高质量视觉内容重建提供了新思路。

基金资助： 国家级大学生创新创业训练计划项目“基于AI辅助的视觉保真度改进策略”（202410733009）；

专辑： 信息科技

专题： 计算机软件及计算机应用;自动化技术

分类号： TP391.41;TP18