一种用于单图像超分辨率的两阶段注意力网络
图像与视频处理
2021-04-22 v1 计算机视觉与模式识别
机器学习
摘要
近年来，深度卷积神经网络（CNNs）在单图像超分辨率（SISR）中得到了广泛探索，并取得了显著进展。然而，大多数现有的基于CNN的SISR方法在特征提取阶段未能充分挖掘上下文信息，且对最终高分辨率（HR）图像重建步骤关注不足，从而阻碍了期望的SR性能。为解决上述两个问题，本文提出一种两阶段注意力网络（TSAN），以由粗到精的方式实现准确的SISR。具体而言，我们设计了一种新颖的多上下文注意力块（MCAB），使网络聚焦于更具信息的上下文特征。此外，我们提出了一种关键的精炼注意力块（RAB），可在HR空间中挖掘有用线索以重建细节精细的HR图像。在四个基准数据集上的大量评估证明了我们所提TSAN在定量指标与视觉效果方面的有效性。代码见 https://github.com/Jee-King/TSAN。
引用
@article{arxiv.2104.10488,
title = {A Two-Stage Attentive Network for Single Image Super-Resolution},
author = {Jiqing Zhang and Chengjiang Long and Yuxin Wang and Haiyin Piao and Haiyang Mei and Xin Yang and Baocai Yin},
journal= {arXiv preprint arXiv:2104.10488},
year = {2021}
}