面向图像压缩感知的全局感知与测量复用
计算机视觉与模式识别
2022-06-24 v1 图像与视频处理
摘要
近来，基于深度网络的图像压缩感知方法相比传统方法取得了更高的重建质量并降低了计算开销。然而，现有方法仅从网络中的部分特征获取测量值，且仅将其用于图像重建一次。它们忽视了网络中存在低、中、高层特征\cite{zeiler2014visualizing}，而所有这些特征对高质量重建都至关重要。此外，仅使用测量值一次可能不足以从中提取更丰富的信息。为解决这些问题，我们提出一种新颖的测量复用卷积压缩感知网络（MR-CCSNet），其采用全局感知模块（GSM）收集所有层级特征以实现高效感知，并采用测量复用块（MRB）在多尺度上多次复用测量值。最后，在三个基准数据集上的实验结果表明，我们的模型可显著优于SOTA方法。
引用
@article{arxiv.2206.11629,
title = {Global Sensing and Measurements Reuse for Image Compressed Sensing},
author = {Zi-En Fan and Feng Lian and Jia-Ni Quan},
journal= {arXiv preprint arXiv:2206.11629},
year = {2022}
}