EchoIR：基于Echo上采样和双层优化的图像修复
计算机视觉与模式识别
2024-12-11 v1 图像与视频处理
摘要
图像修复代表了低层视觉中的一个基本挑战，旨在从其退化 counterparts 中重建高质量图像。尽管深度学习技术的快速发展导致基于棱柱结构的转换器方法在捕获跨尺度长程空间交互方面推动了该领域，但在上采样过程中对基本特征的退化仍显著损害了修复性能，导致次优的重建结果。我们引入EchoIR，一种类似UNet的图像修复网络，具备双层可学习上采样机制以弥合这一差距。具体而言，我们提出了Echo-Upsampler，通过学习来自U-Net双中间特征的“回声”，以最小化上采样过程中的退化，实现更精细的修复。为了建模图像修复和上采样任务的层次模型，我们提出了近似序列双层优化（AS-BLO），一种高级双层优化模型，建立上采样学习与图像修复任务之间的关系。广泛的对最先进（SOTA）方法的实验表明，所提出的EchoIR在图像修复任务中超过了现有方法，实现了SOTA性能。
引用
@article{arxiv.2412.07225,
title = {EchoIR: Advancing Image Restoration with Echo Upsampling and Bi-Level Optimization},
author = {Yuhan He and Yuchun He},
journal= {arXiv preprint arXiv:2412.07225},
year = {2024}
}