NAFNet基线的比较研究：图像修复中的简单而高效网络
计算机视觉与模式识别
2025-06-25 v1 机器学习
摘要
我们研究了NAFNet（无非线性激活网络），这是一种用于图像修复的简单且高效的深度学习基线模型。通过使用带噪声和模糊的CIFAR10图像，我们对NAFNet的核心组件进行了消融研究。我们的基线模型实现了SimpleGate激活、简化通道激活（SCA）以及层归一化。我们将该基线与替换或移除各个组件的不同变体进行比较。定量结果（PSNR、SSIM）以及示例图展示了每种修改如何影响修复性能。我们的发现支持NAFNet的设计：SimpleGate和简化注意力机制的优于常规激活函数和注意力机制，而层归一化对于稳定训练至关重要。我们以模型设计建议、潜在改进及未来工作为结论。
关键词
引用
@article{arxiv.2506.19845,
title = {A Comparative Study of NAFNet Baselines for Image Restoration},
author = {Vladislav Esaulov and M. Moein Esfahani},
journal= {arXiv preprint arXiv:2506.19845},
year = {2025}
}