GRAN：用于单图像超分辨率的幻影残差注意力网络
计算机视觉与模式识别
2023-03-03 v2
摘要
近来，许多工作设计了更宽更深的网络以取得更高的图像超分辨率性能。尽管性能出色，它们仍受困于高计算资源消耗，阻碍其直接应用于嵌入式设备。为降低计算资源并维持性能，我们提出一种新颖的幻影残差注意力网络（GRAN）用于高效超分辨率。本文引入幻影残差注意力块（GRAB）组，以克服标准卷积操作的缺陷，即中间特征的冗余性。GRAB由幻影模块与通道及空间注意力模块（CSAM）构成，以缓解冗余特征的生成。具体而言，幻影模块通过采用线性运算替代标准卷积，揭示内在特征下的信息。借助幻影模块减少冗余特征，我们的模型降低了网络中的内存与计算资源需求。CSAM对特征提取的位置与内容给予更全面的关注，这对恢复图像细节至关重要。在基准数据集上的实验证明了我们的方法在定性与定量上的优越性能。相较于基线模型，我们以更低计算资源取得更高性能，其参数量与FLOPs均下降十倍以上。
引用
@article{arxiv.2302.14557,
title = {GRAN: Ghost Residual Attention Network for Single Image Super Resolution},
author = {Axi Niu and Pei Wang and Yu Zhu and Jinqiu Sun and Qingsen Yan and Yanning Zhang},
journal= {arXiv preprint arXiv:2302.14557},
year = {2023}
}