用于连拍复原与增强的门控多分辨率迁移网络

连拍图像处理近年来日益流行。然而，这是一项具有挑战性的任务，因为单个连拍图像经历多种退化且常相互错位，导致重影与拉链状伪影。现有连拍复原方法通常未考虑连拍帧间的互相关与非局部上下文信息，这在困难情形下往往限制了这些方法。另一关键挑战在于连拍帧的鲁棒上采样。现有上采样方法无法同时有效利用单阶段与渐进式上采样策略以及常规和/或近期上采样器的优势。为应对这些挑战，我们提出一种新颖的门控多分辨率迁移网络（GMTNet），从一组低质量原始图像重建出空间精确的高质量图像。GMTNet由三个为连拍处理任务优化的模块组成：用于特征去噪与对齐的多尺度连拍特征对齐（MBFA）、用于多帧特征聚合的转置注意力特征合并（TAFM），以及用于上尺度合并特征并构建高质量输出图像的分辨率迁移特征上采样器（RTFU）。在五个数据集上的详尽实验分析验证了我们的方法，并为连拍超分辨率、连拍去噪与低光连拍增强树立了最先进水平（SOTA）。