高效显式建模图像层次结构用于图像复原
计算机视觉与模式识别
2023-05-26 v2
摘要
本文旨在提出一种机制，在全局、区域和局部范围内高效且显式地建模图像层次结构以用于图像复原。为此，我们首先分析自然图像的两个重要属性，包括跨尺度相似性与各向异性图像特征。受此启发，我们提出锚定条带自注意力，在自注意力的时空复杂度与超越区域范围的建模能力之间取得良好平衡。接着我们提出一种称为 GRL 的新网络架构，通过锚定条带自注意力、窗口自注意力与通道注意力增强卷积，在全局、区域和局部范围显式建模图像层次结构。最后，所提网络应用于 7 类图像复原，涵盖真实与合成设定。所提方法在其中若干类上确立了新的最先进水平。代码将发布于 https://github.com/ofsoundof/GRL-Image-Restoration.git。
引用
@article{arxiv.2303.00748,
title = {Efficient and Explicit Modelling of Image Hierarchies for Image Restoration},
author = {Yawei Li and Yuchen Fan and Xiaoyu Xiang and Denis Demandolx and Rakesh Ranjan and Radu Timofte and Luc Van Gool},
journal= {arXiv preprint arXiv:2303.00748},
year = {2023}
}
备注
Accepted by CVPR 2023. 12 pages, 7 figures, 11 tables