用于单图像超分辨率的分层残差注意力网络
图像与视频处理
2020-12-09 v1 计算机视觉与模式识别
摘要
卷积神经网络是单图像超分辨率中最成功的模型。更深的网络、残差连接和注意力机制进一步提升了其性能。然而，这些策略往往以显著增加计算成本为代价来改善重建性能。本文提出了一种基于残差特征与注意力高效聚合方法的新型轻量级超分辨率模型。为了高效利用残差特征，这些特征被分层聚合到特征库中，以供网络输出后端使用。同时，一种轻量级分层注意力机制从网络中提取最相关的特征到注意力库中，以改善最终输出并防止网络内部连续操作造成的信息丢失。因此，处理被拆分为两条可同时进行的独立计算路径，从而构成一个高效且有效的模型，用于从低分辨率图像重建高分辨率图像中的精细细节。我们提出的架构在多个数据集上超越了当前最优性能，同时保持了相对较低的计算与内存占用。
引用
@article{arxiv.2012.04578,
title = {Hierarchical Residual Attention Network for Single Image Super-Resolution},
author = {Parichehr Behjati and Pau Rodriguez and Armin Mehri and Isabelle Hupont and Carles Fernández Tena and Jordi Gonzalez},
journal= {arXiv preprint arXiv:2012.04578},
year = {2020}
}
备注
8 pages, Conference