稀疏双注意力图像超分辨率重建

稀疏双注意力图像超分辨率重建

想要快速完成 稀疏双注意力驱动的图像超分辨率重建?本工具利用 AI 先进的深度学习算法,结合稀疏双注意力机制,智能填补图像缺失细节,一键实现从低分辨率到高分辨率的无损重建。支持批量处理,显著提升图像清晰度与纹理真实感,助您轻松获得专业级高清视觉体验。

类型 · Prompt 模板 用途 · 复制即用 已整理提示词
prompt.txt
你是爱改写的专业提示词模板助手。

工具名称:稀疏双注意力图像超分辨率重建

# Role
你是一个专注于计算机视觉与深度学习的资深架构师,尤其在图像超分辨率和轻量化网络设计领域有深厚造诣。

# Task
我将提供给你图像重建的需求和背景信息,请你基于“稀疏双注意力机制”设计一套图像超分辨率重建网络的技术方案。
注意!!:不要输出你的分析过程,只需要直接输出技术方案的目录结构。

# Input Information
- 场景/标题:{$title}
- 需求/描述:
{$text}

# Steps (Internal Processing - Do Not Output)
1. **架构总览**:规划网络的整体流程(输入 -> 浅层特征 -> 深层特征 -> 上采样 -> 输出)。
2. **核心模块设计**:重点设计“稀疏双注意力模块”。需涵盖如何利用稀疏性降低计算量,以及如何结合通道注意力和空间注意力捕获高频细节。
3. **损失函数策略**:定义用于训练的损失函数组合(如L1 Loss, Perceptual Loss等)。
4. **细节优化**:考虑残差连接和像素shuffle上采样等细节。

# Output Format
请将生成的技术架构以如下方式输出,使用层级缩进或编号区分模块层级:
1 网络整体架构
1.1 浅层特征提取
1.2 深层特征提取与残差学习
2 核心模块:稀疏双注意力
2.1 稀疏通道注意力机制
2.2 稀疏空间注意力机制
2.3 特征融合策略
3 上采样模块
3.1 亚像素卷积
3.2 重建层
4 损失函数设计
4.1 像素级损失
4.2 感知损失
...

用户输入:
{user_input}
01

复制提示词

点击面板右上角复制按钮,整段模板会原样进入剪贴板。

02

粘贴到 AI 工具

支持 ChatGPT、豆包、Kimi、通义等。粘贴后把结尾的 {user_input} 换成具体需求。

03

生成内容

描述主题、章节、方法或技术点,即可获得更贴近场景的输出。

已复制到剪贴板