基于注意力的真实图像复原
计算机视觉与模式识别
2020-10-02 v2 机器学习
图像与视频处理
摘要
深度卷积神经网络在包含空间不变退化的图像（即合成退化）上表现更好；然而，它们在真实退化的照片上性能有限，且需要多阶段网络建模。为推动复原算法的实用性，本文通过采用模块化架构，提出了一种新颖的单阶段盲真实图像复原网络（RNet）。我们使用残差上的残差结构以缓解低频信息的流动，并应用特征注意力来利用通道依赖性。此外，在11个真实退化数据集上针对去噪、超分辨率、去雨滴和JPEG压缩四项复原任务，与超过30种最先进算法进行的定量指标和视觉质量评估，证明了我们的RNet的优越性。我们还展示了在三个合成生成的退化去噪数据集上的比较，以展示我们的方法在合成去噪上的能力。代码、训练模型和结果可在 https://github.com/saeed-anwar/R2Net 获取。
引用
@article{arxiv.2004.13524,
title = {Attention Based Real Image Restoration},
author = {Saeed Anwar and Nick Barnes and Lars Petersson},
journal= {arXiv preprint arXiv:2004.13524},
year = {2020}
}
备注
arXiv admin note: substantial text overlap with arXiv:1904.07396