AIGC驱动的图像超分重构赋能教学实践应用研究

摘要

随着人工智能生成内容技术的发展，教学场景下的图像应用成为新的研究热点．图像作为知识传递的核心载体，其清晰度、纹理细节、色彩鲜艳度、主题色彩等直接影响教学效果．本文旨在改造扩散模型结构以对存在不同问题的图像进行超分重构(Super-Resolution,SR)，并将SR图应用于不同教学场景后进行效果评估．首先，通过改造扩散模型解决图像质量与教学场景不适配的问题;然后，分别开展主观和客观实验，将SR图应用于实际教学场景;最后，构建基于主客观实验结果的综合评估框架，以验证SR图的应用效果．研究结果表明，由改造模型所生成的SR图应用在教学活动时，对比使用传统方法生成的图像，知识传递效率平均提升约22.9%，教师讲课时间平均减少约15.6%.

关键词

AIGC / 扩散模型 / 图像处理 / 超分重构 / 教学场景