用于超分辨率的增强型CNN-Transformer特征聚合网络
计算机视觉与模式识别
2022-10-21 v3
摘要
近期基于Transformer的超分辨率(SR)方法相较于传统的基于CNN的方法取得了令人瞩目的结果。然而,这些方法仅利用标准的基于自注意力的推理,存在本质上的局限性。本文提出了一种有效的混合SR网络,用于聚合增强特征,包括来自CNN的局部特征以及由Transformer捕获的长程多尺度依赖。具体而言,我们的网络由Transformer分支和卷积分支组成,在复原过程中协同互补各自的表征。此外,我们提出了一种跨尺度令牌注意力模块,使Transformer分支能够高效地利用不同尺度间令牌的信息关联。我们所提出的方法在众多基准数据集上取得了最先进的SR结果。
引用
@article{arxiv.2203.07682,
title = {Enriched CNN-Transformer Feature Aggregation Networks for Super-Resolution},
author = {Jinsu Yoo and Taehoon Kim and Sihaeng Lee and Seung Hwan Kim and Honglak Lee and Tae Hyun Kim},
journal= {arXiv preprint arXiv:2203.07682},
year = {2022}
}
备注
WACV 2023