用于任意尺度超分辨率的级联局部隐式 Transformer
计算机视觉与模式识别
2023-03-30 v1 人工智能
摘要
隐式神经表示近来在表示任意分辨率图像方面展现出良好能力。本文提出一种局部隐式 Transformer（LIT），它将注意力机制与频率编码技术整合进局部隐式图像函数中。我们设计了一个跨尺度局部注意力模块来有效聚合局部特征。为进一步提升表征能力，我们提出级联 LIT（CLIT），其利用多尺度特征，并采用累积训练策略在训练过程中逐步增大上采样尺度。我们进行了大量实验来验证这些组件的有效性并分析各种训练策略。定性与定量结果表明，LIT 与 CLIT 取得了优异结果，并在任意尺度超分辨率任务中优于先前工作。
引用
@article{arxiv.2303.16513,
title = {Cascaded Local Implicit Transformer for Arbitrary-Scale Super-Resolution},
author = {Hao-Wei Chen and Yu-Syuan Xu and Min-Fong Hong and Yi-Min Tsai and Hsien-Kai Kuo and Chun-Yi Lee},
journal= {arXiv preprint arXiv:2303.16513},
year = {2023}
}