CiaoSR：用于任意尺度图像超分辨率的连续隐式注意力嵌套网络
计算机视觉与模式识别
2023-04-14 v3
摘要
学习连续图像表示近期因能从低分辨率输入以任意尺度重建高分辨率图像而在图像超分辨率（SR）中日益流行。现有方法多集成邻近特征以预测SR图像中任意查询坐标处的新像素。此类局部集成存在若干局限：i）无可学习参数且忽略视觉特征的相似性；ii）感受野有限，无法集成图像中重要的较大范围内的相关特征。为解决这些问题，本文提出一种称为CiaoSR的连续隐式注意力嵌套网络。我们显式设计隐式注意力网络以学习邻近局部特征的集成权重。此外，我们在该隐式注意力网络中嵌入尺度感知注意力以利用额外的非局部信息。在基准数据集上的大量实验表明，CiaoSR以相同骨干网络显著优于现有单图像SR方法。此外，CiaoSR在任意尺度SR任务上也取得了最先进的性能。该方法的有效性也在真实世界SR设定中得到验证。更重要的是，CiaoSR可灵活集成至任意骨干网络以提升SR性能。
引用
@article{arxiv.2212.04362,
title = {CiaoSR: Continuous Implicit Attention-in-Attention Network for Arbitrary-Scale Image Super-Resolution},
author = {Jiezhang Cao and Qin Wang and Yongqin Xian and Yawei Li and Bingbing Ni and Zhiming Pi and Kai Zhang and Yulun Zhang and Radu Timofte and Luc Van Gool},
journal= {arXiv preprint arXiv:2212.04362},
year = {2023}
}
备注
CVPR 2023