GAMA-IR：用于快速图像恢复的全局加性多维平均
计算机视觉与模式识别
2024-04-02 v1 图像与视频处理
摘要
基于深度学习的方法在去噪和去模糊等各种图像恢复任务中取得了显著成功。当前最先进的网络相对较深，并利用了自注意力机制（的变体）。这些网络比浅层卷积网络慢得多，但后者的性能较差。在本文中，我们引入了一种既快速又能产生出色图像质量的图像恢复网络。该网络旨在在标准 GPU 上执行时最小化延迟和内存消耗，同时保持最先进的性能。该网络是一个简单的浅层网络，带有一个实现全局加性多维平均操作的高效模块。该模块可以捕获全局信息，即使在具有最小计算开销的浅层网络中使用时也能实现大感受野。通过对各种任务进行广泛的实验和评估，我们证明我们的网络以更低的延迟实现了与现有最先进图像恢复网络相当甚至更优的结果。例如，我们在真实世界 SIDD 去噪上超越了最先进结果 0.11dB，同时速度快了 2 到 10 倍。
引用
@article{arxiv.2404.00807,
title = {GAMA-IR: Global Additive Multidimensional Averaging for Fast Image Restoration},
author = {Youssef Mansour and Reinhard Heckel},
journal= {arXiv preprint arXiv:2404.00807},
year = {2024}
}