PSd-补模与PSd-提升模的中期报告PSd-补模与PSd-提升模都是基于频率域的视频超分辨率重建算法，其目标是从低分辨率视频中恢复出高分辨率视频。以下是两个模型的中期报告：PSd-补模：PSd-补模采用了基于图像补全的策略，将低分辨率视频补全到高分辨率视频的尺寸，然后在频率域上进行超分辨率重建。在实现过程中，我们首先对视频进行预处理，采用较低的采样率进行下采样，然后使用大量的高分辨率图像进行训练。在测试阶段，我们将这些信息丰富的图像根据空间位置进行补全，然后进行频率域上的超分辨率重建。目前，我们已经训练了数百个epoch，并获得了一些较好的结果。但是，我们仍然发现一些特定的场景和图像很难恢复。因此，我们计划进一步改进这个模型，以适应更广泛的数据，同时提高模型的准确率和效率。PSd-提升模：PSd-提升模的核心思想是通过最小化重建误差，来寻找一种超分辨率重建过程，以适应低分辨率的输入图像。与PSd-补模相比，PSd-提升模更加高效，能够在较短的时间内实现超分辨率重建。我们使用了类似的预处理方法，对视频进行下采样处理。在训练过程中，我们使用了大量的图像对，通过反向传播算法优化超分辨率重建网络，以最小化重建误差。目前，我们已经实现了模型的基本框架，并获得了一些不错的结果。但是，在鲁棒性和数据适应性方面，我们仍然需要进一步改进。因此，我们将继续优化模型的结构和训练方式，以提高模型的性能和应用范围。