用于图像复原的注意力立方体网络
图像与视频处理
2021-01-26 v3 人工智能
计算机视觉与模式识别
机器学习
多媒体
摘要
近年来，深度卷积神经网络(CNN)已广泛用于图像复原并取得巨大成功。然而，现有多数方法受限于局部感受野且对不同类型的信等量对待。此外，现有方法总采用多监督方法聚合不同特征图，无法有效聚合层次化特征信息。为解决这些问题，我们提出一种用于图像复原的注意力立方体网络(A-CubeNet)，以实现更强大的特征表达与特征关联学习。具体而言，我们从空间维度、通道维度和层次维度三个维度设计了一种新颖的注意力机制。自适应空间注意力分支(ASAB)与自适应通道注意力分支(ACAB)构成自适应双重注意力模块(ADAM)，可捕获长程空间与通道上下文信息以扩展感受野并区分不同类型信息，从而获得更有效的特征表示。此外，自适应层次注意力模块(AHAM)可捕获长程层次上下文信息，通过依赖于全局上下文的权重灵活聚合不同特征图。ADAM与AHAM协作形成“注意力中的注意力”结构，即AHAM的输入由ASAB与ACAB增强。实验在定量比较与视觉分析上均证明了我们的方法优于最先进的图像复原方法。代码见 https://github.com/YCHang686/A-CubeNet。
引用
@article{arxiv.2009.05907,
title = {Attention Cube Network for Image Restoration},
author = {Yucheng Hang and Qingmin Liao and Wenming Yang and Yupeng Chen and Jie Zhou},
journal= {arXiv preprint arXiv:2009.05907},
year = {2021}
}
备注
Accepted by the 28th ACM International Conference on Multimedia (ACM MM 2020); Code is available at https://github.com/YCHang686/A-CubeNet