Con-Patch：当补丁遇见其上下文

测量图像中补丁之间的相似性是各项任务的基本构建模块。自然地，补丁尺寸对匹配质量及后续应用性能有重大影响。在补丁数据库被充分采样的假设下，应使用大补丁（如21×21）而非小补丁（如7×7）。然而，这一“密集采样”假设很少成立；在大多数情况下大补丁无法找到相关的邻近样例。该现象是维度灾难的结果，即数据库大小应随补丁尺寸呈指数增长以确保正确匹配。这解释了大多数应用中偏好小补丁尺寸的原因。是否存在一种方法在保持简洁并使用小补丁的同时，获得大补丁所提供的部分益处？本工作提供这样一种方法。我们提议将常规（小）补丁的常规内容与其（大）周边环境——即其上下文——的紧凑表示相拼接。因此，通过维度的微小增加（例如给补丁表示增加10个值），我们隐式/柔和地描述了大补丁的信息。额外的描述符基于补丁周边的自相似行为计算。我们表明，与使用常规尺寸补丁相比，该方法在不需增大数据库大小的情况下实现了更好的匹配。此外，所提方法的有效性在三个不同问题上进行了测试：(i) 外部自然图像去噪，(ii) 深度图像超分辨率，以及 (iii) 运动补偿帧率上转换。