A COMPARATIVE ANALYSIS OF DIFFUSION-BASED SUPER-RESOLUTION TECHNIQUES IN A VIDEO STREAM COMPRESSION SYSTEM IN FPV CONTROL OF UNM ANNED SYSTEMS

Выполнен сравнительный анализ моделей с ультравысоким разрешением на основе диффузии, а именно моделей латентной диффузии и итеративно усовершенствованных моделей изображений с ультравысоким разрешением, в контексте восстановления изображений в системе сжатия видеопотока при управлении беспилотными системами от первого лица. Исследование сосредоточено на решении проблем получения кадров с разрешением FullHD, сжатых с использованием нейронной сетевой модели латентной диффузии. Работа демонстрирует, что модель суперразрешения изображения с итеративным усовершенствованием превосходит модель латентной диффузии на основе метрик, используемых для оценки качества цифровых изображений, а именно индекса структурной схожести и отношения сигнал-шум. Количественные результаты показывают, что по данным метрикам модель суперразрешения изображения с итеративным усовершенствованием превосходит модель латентной диффузии, что свидетельствует о более высоком сохранении структурной целостности изображения, а также указывает на снижение уровня шума и высокую степень достоверности изображения. Модель суперразрешения изображения с итеративным усовершенствованием может быть использована в задачах улучшения разрешения в системах сжатия видеопотока в системах управления от первого лица. This article compares diffusion-based ultra-high resolution models, namely latent diffusion models and iteratively refined ultra-high resolution image models, in the context of image reconstruction in a video stream compression system when controlling unmanned systems in the first person. The study is focused on solving the problems of obtaining FullHD resolution frames compressed by a neural network model of latent diffusion. The w ork demonstrates that an iteratively refined image superresolution model outperforms a latent diffusion model based on metrics used to assess the quality of digital images, namely structural similarity index and signal-to-noise ratio. Quantitative results show that the iteratively refined super-resolution image model outperforms the latent diffusion model on these metrics, indicating greater preservation of image structural integrity, and also indicating reduced noise and high image fidelity. The image super-resolution model with iterative improvement model can be used in resolution enhancement tasks in video compression systems in FPV control systems.