用于光场图像超分辨率的密集双注意力网络
图像与视频处理
2021-11-29 v1 计算机视觉与模式识别
摘要
光场(LF)图像因同时具备角度与空间信息,可用于提升图像超分辨率(SR)的性能。如何融合不同视角的差异化信息以用于光场图像SR是一项挑战。此外,随着网络深度增加,来自前层的信息可能衰减。本文提出一种用于光场图像SR的密集双注意力网络。具体而言,我们设计了一个视角注意力模块以自适应捕获不同视角间的判别性特征,以及一个通道注意力模块以选择性聚焦于所有通道上的有效信息。这两个模块被送入两个分支,并以链式结构分别堆叠,用于层次特征的自适应融合与有效信息的提炼。同时,采用密集连接以充分利用多级信息。大量实验表明,我们的密集双注意力机制能够捕获跨视角与跨通道的有效信息,从而提升SR性能。对比结果表明,我们的方法在公开数据集上优于现有最优方法。
引用
@article{arxiv.2110.12114,
title = {Dense Dual-Attention Network for Light Field Image Super-Resolution},
author = {Yu Mo and Yingqian Wang and Chao Xiao and Jungang Yang and Wei An},
journal= {arXiv preprint arXiv:2110.12114},
year = {2021}
}
备注
Accept by IEEE Transactions on Circuits and Systems for Video Technology