TISR第六届解决方案
CVPR 2025 研讨会上举办的 第六届热成像超分辨率（TISR）挑战赛（PBVS 2025） 的结果、数据集以及获奖团队所采用的技术方案。
挑战赛概况
- 背景：热成像超分辨率（TISR）在安防、监控、自动驾驶和工业检测等领域具有关键应用价值 。该挑战赛自2020年起每年举办，旨在推动该领域的技术进步 。
- 规模：2025年的比赛吸引了更多参与者，Track 1 有128支队伍报名，Track 2 有86支队伍报名 。
- 趋势：相比2024年，今年的结果显示出显著的性能提升，且Transformer和混合架构成为主流创新方向 。
数据集
沿用了2024年引入的 CIDIS (Cross-spectral Image Dataset for Image Super-resolution) 数据集。
包含1000对精确配准的热成像（Thermal）和高分辨率可见光（RGB）图像 。
使用Basler相机拍摄可见光，FLIR TAU2相机拍摄热成像 。
700对用于训练，200对用于验证，100对用于测试 。
要依据 PSNR（峰值信噪比） 和 SSIM（结构相似性） 来决定排名 。
Tracks1
描述
仅利用低分辨率的热成像输入，将其分辨率放大 8倍 (x8) 。
| PSNR | SSIM | |
|---|---|---|
| AiMF-SR [70.02M] | 28.09 | 0.8421 |
| InVilab[21.6M] | 28.49 | 0.8437 |
| TongJi-SR[27.73] | 28.52 | 0.8466 |
AiMF-SR 团队
架构：基于 HMANet (Hybrid Multi-Axis Aggregation Network)，特别是使用了 HMA-Medium 变体 。
核心组件：利用残差混合 Transformer 块 (RHTBs) 来增强全局特征表示 。
训练策略：先在 ImageNet 上预训练 (x4)，然后在 DF2K 和 Urban100 数据集上微调，最后使用比赛数据进行 x8 训练 。
损失函数：结合了 L1 Loss、FFT Loss（频域损失）和 SSIM Loss，权重分别为 1.0, 0.05, 0.05 。实验在配备 80 GB 显存的 NVIDIA A100 GPU 上进行，训练历时约三天，批大小为 16。
InVilab Uantwerp 团队
架构：结合了 SR-Former 和 HAT (Hybrid Attention Transformer)，并提出了一种新颖的 热梯度空间注意力 (TGSA) 模块 。
创新点 (TGSA)：使用 Sobel 滤波器计算局部热梯度，生成空间注意力图，引导模型关注热图像中的边缘和热点区域 。
数据增强：使用了非常广泛的数据增强，包括通过 RGB-to-IR 转换生成的合成红外图像 。
后处理：使用了自集成技术（对旋转后的图像预测结果取平均）。
训练使用了四块 NVIDIA A100 GPU，模型采用 PyTorch 语言编写，并结合了 BasicSR 和 xFormers。
TongJi-SR 团队 (Track 1 冠军)
基于 DRCT (Dense Residual Connected Transformer) 架构，利用 Swin Transformer 进行全局空间建模 。
策略：使用了多尺度监督 (Multi-scale supervision) 和基于组合的数据增强 。
损失函数：MSE Loss (权重 1.0) + SSIM Loss (权重 0.02) 。
验证：使用了 5折交叉验证 (5-fold cross validation) 来选择最佳模型 。
训练在 NVIDIA 4090 GPU 上使用 PyTorch 进行。