基于特征交互加权混合网络的高效图像超分辨率
计算机视觉与模式识别
2024-09-16 v2
摘要
轻量级图像超分辨率旨在以低计算成本从低分辨率图像重建高分辨率图像。然而,现有方法由于激活函数导致中间层特征丢失。为最小化中间特征丢失对重建质量的影响,我们提出了特征交互加权混合网络(FIWHN),其以一系列宽残差蒸馏交互块(WDIB)作为主干。每三个WDIB通过互信息混洗与融合构成一个特征混洗加权组(FSWG)。此外,为缓解中间特征丢失的负面影响,我们在WDIB中引入了宽残差加权单元。这些单元通过宽残差蒸馏连接(WRDC)与自校准融合(SCF)有效融合不同细节层次的特征。为弥补全局特征不足,我们引入了Transformer并探索了一种结合CNN与Transformer的新架构。我们通过低层与高层任务上的大量实验表明,我们的FIWHN在性能与效率之间取得了良好平衡。代码将发布于\url{https://github.com/IVIPLab/FIWHN}。
引用
@article{arxiv.2212.14181,
title = {Efficient Image Super-Resolution with Feature Interaction Weighted Hybrid Network},
author = {Wenjie Li and Juncheng Li and Guangwei Gao and Weihong Deng and Jian Yang and Guo-Jun Qi and Chia-Wen Lin},
journal= {arXiv preprint arXiv:2212.14181},
year = {2024}
}
备注
12 pages, 12 figures, IEEE Transactions on Multimedia (extention of our AAAI2022)