BAM：一种用于单图像超分辨率的平衡注意力机制
图像与视频处理
2021-09-13 v3 计算机视觉与模式识别
机器学习
摘要
从混叠区域恢复纹理信息一直是单图像超分辨率（SISR）任务的主要挑战。这些区域常淹没于噪声中，因此我们必须同时恢复纹理细节并抑制噪声。为解决此问题，我们提出一种平衡注意力机制（BAM），其由平均池化通道注意力模块（ACAM）与最大池化空间注意力模块（MSAM）并行组成。ACAM 旨在抑制大尺度特征图中的极端噪声，而 MSAM 保留高频纹理细节。得益于并行结构，这两个模块不仅在反向传播过程中进行自我优化，还进行相互优化，以取得降噪与高频纹理恢复的平衡，且并行结构使推理更快。为验证 BAM 的有效性与鲁棒性，我们将其应用于 10 个 SOTA SISR 网络。结果表明 BAM 能有效提升网络性能，且对于原本带注意力机制的网络，替换为 BAM 进一步减少了参数量并提升了推理速度。此外，我们提出了一个具丰富真实场景纹理混叠区域的数据集，名为 realSR7。实验证明 BAM 在混叠区域上取得了更好的超分辨率结果。
引用
@article{arxiv.2104.07566,
title = {BAM: A Balanced Attention Mechanism for Single Image Super Resolution},
author = {Fanyi Wang and Haotian Hu and Cheng Shen},
journal= {arXiv preprint arXiv:2104.07566},
year = {2021}
}
备注
8 pages, 6 figures