用于高效图像超分辨率的蓝图可分离残差网络
计算机视觉与模式识别
2022-05-13 v1 图像与视频处理
摘要
单图像超分辨率（SISR）的最新进展已取得卓越的性能，但其计算成本过于沉重，难以应用于边缘设备。为缓解这一问题，已提出许多新颖且有效的解决方案。带有注意力机制的卷积神经网络（CNN）因其高效性和有效性而受到越来越多的关注。然而，卷积操作中仍存在冗余。在本文中，我们提出了包含两种高效设计的蓝图可分离残差网络（BSRN）。其一是使用蓝图可分离卷积（BSConv）来替代冗余的卷积操作。其二是通过引入更有效的注意力模块来增强模型能力。实验结果表明，BSRN 在现有的高效 SR 方法中取得了 SOTA 性能。此外，我们模型的较小变体 BSRN-S 在 NTIRE 2022 高效 SR 挑战赛的模型复杂度赛道中荣获第一名。代码可在 https://github.com/xiaom233/BSRN 获取。
引用
@article{arxiv.2205.05996,
title = {Blueprint Separable Residual Network for Efficient Image Super-Resolution},
author = {Zheyuan Li and Yingqi Liu and Xiangyu Chen and Haoming Cai and Jinjin Gu and Yu Qiao and Chao Dong},
journal= {arXiv preprint arXiv:2205.05996},
year = {2022}
}
备注
Accepted to CVPR Workshops