COLA-Net：用于图像复原的协同注意力网络
计算机视觉与模式识别
2021-03-11 v1
摘要
基于局部和非局部注意力的方法已在各种图像复原任务中得到充分研究并取得了良好性能。然而，现有大多数方法仅关注一种注意力机制（局部或非局部）。此外，通过利用自然图像的自相似性，现有的逐像素非局部注意力操作由于图像退化，在刻画长程依赖过程中易产生偏差。为克服这些问题，本文提出一种新颖的协同注意力网络（COLA-Net）用于图像复原，首次尝试结合局部与非局部注意力机制，分别复原具有复杂纹理和高度重复细节区域中的图像内容。此外，开发了一种有效且鲁棒的块级非局部注意力模型，通过 3D 块捕获长程特征对应。在合成图像去噪、真实图像去噪和压缩伪影去除任务上的大量实验表明，我们提出的 COLA-Net 能够在保持吸引人的计算复杂度的同时，在峰值信噪比和视觉感知上均达到 SOTA 性能。源代码可在 https://github.com/MC-E/COLA-Net 获取。
引用
@article{arxiv.2103.05961,
title = {COLA-Net: Collaborative Attention Network for Image Restoration},
author = {Chong Mou and Jian Zhang and Xiaopeng Fan and Hangfan Liu and Ronggang Wang},
journal= {arXiv preprint arXiv:2103.05961},
year = {2021}
}
备注
11 pages, 6 tables, 9 figures, to be published in IEEE Transactions on Multimedia