深度注意力引导图像滤波
计算机视觉与模式识别
2022-03-01 v2
摘要
引导滤波是计算机视觉与计算机图形学中的基础工具，旨在将结构信息从引导图像传递到目标图像。大多数现有方法仅从引导图像本身构造滤波核，而未考虑引导图像与目标图像之间的相互依赖。然而，由于两图像中通常存在显著不同的边缘，简单地将引导图像的所有结构信息传递给目标图像会导致各种伪影。为应对该问题，我们提出一种称为深度注意力引导图像滤波的有效框架，其滤波过程可充分整合两图像中包含的互补信息。具体地，我们提出注意力核学习模块，分别从引导图像和目标图像生成两组滤波核，随后通过建模两图像间的像素级依赖自适应地组合它们。同时，我们提出多尺度引导图像滤波模块，以由粗到细的方式用所构造的核逐步生成滤波结果。相应地，引入多尺度融合策略以重用由粗到细过程中的中间结果。大量实验表明，所提框架在广泛的引导图像滤波应用中，如引导超分辨率、跨模态复原、纹理去除和语义分割，优于最先进的方法。
引用
@article{arxiv.2112.06401,
title = {Deep Attentional Guided Image Filtering},
author = {Zhiwei Zhong and Xianming Liu and Junjun Jiang and Debin Zhao and Xiangyang Ji},
journal= {arXiv preprint arXiv:2112.06401},
year = {2022}
}