OpenSR-SRGAN: A Flexible Super-Resolution Framework for Multispectral Earth Observation Data

方法

基于SRGAN，配置化生成器/判别器/损失，支持Sentinel-2多光谱数据。

发现

配置驱动流程降低SRGAN使用门槛，支持可复现的模型对比与部署。

机会点

可基于该框架评估超分对作物分类、长势监测等下游农业任务的实际增益。

我们提出了OpenSR-SRGAN，一个面向地球观测单图像超分辨率的开放模块化框架。该软件提供了SRGAN风格模型的统一实现，易于配置、扩展，并可应用于Sentinel-2等多光谱卫星数据。OpenSR-SRGAN无需用户修改模型代码，而是通过简洁的配置文件暴露生成器、判别器、损失函数和训练调度，使得在架构、缩放因子和波段设置之间切换变得简单直接。该框架被设计为实用工具和基准实现，而非最先进的模型。它附带面向常见遥感场景的即用型配置、对抗训练的合理默认设置，以及用于日志记录、验证和大场景推理的内置钩子。通过将基于GAN的超分辨率转变为配置驱动的工作流，OpenSR-SRGAN降低了希望试验SRGAN、以可复现方式比较模型并在多样地球观测数据集上部署超分辨率流水线的研究人员和从业者的入门门槛。