用于单图像超分辨率的反馈金字塔注意力网络
图像与视频处理
2021-06-15 v1 计算机视觉与模式识别
摘要
近年来，基于卷积神经网络（CNN）的图像超分辨率（SR）方法取得了显著的性能提升。然而，大多数基于CNN的方法主要关注前馈架构设计，而忽略了对反馈机制的探索，该机制通常存在于人类视觉系统中。本文提出反馈金字塔注意力网络（FPAN），以充分利用特征间的相互依赖关系。具体而言，我们设计了一种新颖的反馈连接结构，利用高层信息增强低层特征表达。在我们的方法中，第一阶段每一层的输出也作为下一状态中对应层的输入，以重新更新先前的低层滤波器。此外，我们引入金字塔非局部结构，以在不同尺度上建模全局上下文信息，并提升网络的判别性表示。在多个数据集上的大量实验结果证明了我们的FPAN相较于最先进的SR方法的优越性。
引用
@article{arxiv.2106.06966,
title = {Feedback Pyramid Attention Networks for Single Image Super-Resolution},
author = {Huapeng Wu and Jie Gui and Jun Zhang and James T. Kwok and Zhihui Wei},
journal= {arXiv preprint arXiv:2106.06966},
year = {2021}
}