利用像素注意力实现高效图像超分辨率
图像与视频处理
2020-10-05 v1 计算机视觉与模式识别
摘要
本工作旨在设计一种用于图像超分辨率（SR）的轻量卷积神经网络。秉持简洁理念，我们构建了一个相当简洁有效的网络，并提出了一种新的像素注意力方案。像素注意力（PA）在形式上与通道注意力和空间注意力类似。不同之处在于 PA 生成三维注意力图，而非一维注意力向量或二维图。该注意力方案引入的额外参数更少，但产生更好的 SR 结果。基于 PA，我们分别提出了主分支和重建分支的两个构建模块。第一个——SC-PA 块具有与自校准卷积相同的结构，但采用我们的 PA 层。由于其双分支架构和注意力方案，该块比传统残差/稠密块高效得多。而第二个——UPA 块结合了最近邻上采样、卷积和 PA 层。它以极小的参数代价提升了最终重建质量。我们的最终模型 PAN 可达到与轻量网络 SRResNet 和 CARN 相似的性能，但仅有 272K 参数（为 SRResNet 的 17.92% 和 CARN 的 17.09%）。所提各组件的有效性也通过消融实验得到验证。代码见 https://github.com/zhaohengyuan1/PAN。
引用
@article{arxiv.2010.01073,
title = {Efficient Image Super-Resolution Using Pixel Attention},
author = {Hengyuan Zhao and Xiangtao Kong and Jingwen He and Yu Qiao and Chao Dong},
journal= {arXiv preprint arXiv:2010.01073},
year = {2020}
}
备注
17 pages, 5 figures, conference, accpeted by ECCVW (AIM2020 ESR Challenge)