超分辨率重建网络ARNet架构分析

这个文件是一个基于 GLSL 实现的轻量级超分辨率/图像增强着色器，名为ARNet b4。它通过多个卷积层（Layer）对输入图像的亮度（LUMA）通道进行处理，最终输出一个两倍放大的图像。下面我从整体架构、数据流动、核心计算单元和特殊设计四个维度进行解析。1. 整体架构概览这是一个多阶段残差卷积神经网络，在 Shader 中以硬编码的权重和并行分支形式实现。层数统计：代码中包含了从Layer0到Layer10的定义，但实际的卷积操作集中在Layer0到Layer9。Layer10是最后的像素重组（Depth-to-Space）输出层。并行双分支结构：从Layer1到Layer9，每一层都分为L0和L1两个并行分支，分别处理不同的特征图。数据类型：每个 Hook 输出COMPONENTS 4（即 4 个通道的特征图）。激活函数：部分层使用 Leaky ReLU 的变体（max(v, v * 0.2)），部分层是线性输出。