LSDN 通过提升元宇宙通信能力，实现了在较低带宽下生成高分辨率视觉效果的目标

《ACM Transactions on Internet Technology》：LSDN Empowers the Metaverse Communication to Achieve High-Resolution Visuals with Lower Bandwidth

在元宇宙终端设备上部署超分辨率模型可提升视觉效果而不增加带宽需求，但现有模型复杂度过高难以部署。本文提出LSDN架构，通过分离卷积降低计算量，结合信息蒸馏机制构建通道分离蒸馏块，并引入增强空间注意力模块和融合多分支卷积结构，最终通过残差注意力单元的级联实现高效超分辨率重建。实验表明LSDN在定量和定性指标上均优于现有方法。

　　

摘要

在元宇宙终端设备上部署超分辨率模型可以在不增加网络带宽的情况下提升视觉效果。然而，由于大多数当前的超分辨率模型体积庞大且计算功耗较高，在硬件资源有限的元宇宙终端设备上部署这些模型存在挑战。在本文中，我们提出了一种轻量级的分离与蒸馏网络（LSDN），旨在通过优化网络结构来降低模型复杂度。具体而言，我们首先引入了可分离卷积（BSConv）来减少模型复杂度，并结合BSConv与信息蒸馏机制构建了通道分离蒸馏模块（CSDB）。随后，我们开发了增强型空间注意力模块（ESA）和融合MBConv（FMBConv）以挖掘潜在信息。此外，我们使用三个CSDB、一个ESA和一个FMBConv来构建残差注意力单元（RAU）。最后，我们将多个RAU的结果进行串联并合并，然后将结果传输到上采样器中以重建高分辨率图像。我们在多种数据集上进行了全面实验，结果证明LSDN的性能优于现有方法，在定量和定性方面均表现出显著提升。