Resumo: Este trabalho aborda o desafio da Super Resolução (SR) de imagens, especificamente a reconstrução de texturas e detalhes finos, onde modelos baseados em Transformers ainda enfrentam limitações. Propõe-se o SwinWIR, uma nova arquitetura que integra a Transformada Wavelet Discreta bidimensional (DWT2D) ao modelo SwinIR. Foram investigadas três estratégias de integração: a convolução aplicada à decomposição Wavelet, o reforço do mecanismo de atenção via energia de sub-bandas e a implementação de um Wavelet Feature Modulator (WFM) baseado na Spatial Feature Transform (SFT). Devido a restrições computacionais, estabeleceu-se um modelo SwinIR de referência retreinado sob as mesmas condições para uma comparação justa. Os resultados experimentais demonstram que a abordagem WFM superou o modelo de referência tanto em métricas quantitativas (PSNR e SSIM) quanto na qualidade visual, apresentando ganhos na recuperação de detalhes de alta frequência em conjuntos de dados de alta resolução como Urban100 e Manga109, validando o uso de Wavelets como uma perspectiva complementar eficaz para arquiteturas baseadas em Transformers.

Banca:
Flávio Luis de Mello, DSc. (Presidente)
Diego Leonel Cadette Dutra, DSc. (Examinador)
João Victor da Fonseca Pinto, DSc. (Examinador)