用于轻量级图像超分辨率的特性蒸馏交互加权网络
计算机视觉与模式识别
2022-04-13 v2 图像与视频处理
摘要
基于卷积神经网络的单图像超分辨率(SISR)近年来取得了巨大进展。然而,由于计算和内存开销,这些方法难以应用于真实场景。同时,在有限参数和计算约束下如何充分利用中间特征也是一大挑战。为缓解这些问题,我们提出了一种轻量且高效的特性蒸馏交互加权网络(FDIWN)。具体而言,FDIWN 利用一系列专门设计的特性混洗加权组(FSWG)作为主干,若干个新颖的互为宽残差蒸馏交互块(WDIB)构成一个 FSWG。此外,宽恒等残差加权(WIRW)单元和宽卷积残差加权(WCRW)单元被引入 WDIB 以更好地进行特征蒸馏。而且,提出了宽残差蒸馏连接(WRDC)框架和自校准融合(SCF)单元,以更灵活高效地交互不同尺度的特征。大量实验表明,我们的 FDIWN 优于其他模型,在模型性能和效率之间取得了良好平衡。代码可在 https://github.com/IVIPLab/FDIWN 获取。
引用
@article{arxiv.2112.08655,
title = {Feature Distillation Interaction Weighting Network for Lightweight Image Super-Resolution},
author = {Guangwei Gao and Wenjie Li and Juncheng Li and Fei Wu and Huimin Lu and Yi Yu},
journal= {arXiv preprint arXiv:2112.08655},
year = {2022}
}
备注
9 pages, 9 figures, 4 tables, AAAI2022