HINet：用于图像复原的半实例归一化网络
图像与视频处理
2022-05-03 v2 计算机视觉与模式识别
摘要
本文探讨了实例归一化（Instance Normalization）在低层视觉任务中的作用。具体而言，我们提出一种新颖的模块：半实例归一化模块（HIN Block），以提升图像复原网络的性能。基于 HIN Block，我们设计了一个简单而强大的多阶段网络，名为 HINet，其由两个子网络组成。在 HIN Block 的帮助下，HINet 在各种图像复原任务上超越了当前最优（SOTA）。对于图像去噪，我们在 SIDD 数据集上以仅为其乘加运算（MACs）的 7.5% 和 30%、分别 6.8 倍和 2.9 倍加速，在 PSNR 上超出其 0.11dB 和 0.28 dB。对于图像去模糊，我们在 REDS 和 GoPro 数据集上以 22.5% 的 MACs 和 3.3 倍加速取得相当的性能。对于图像去雨，我们在多个数据集的平均结果上以 1.4 倍加速在 PSNR 上超出其 0.3 dB。凭借 HINet，我们在 NTIRE 2021 图像去模糊挑战赛 - Track2. JPEG 伪影上以 29.70 的 PSNR 获得第一名。代码可在 https://github.com/megvii-model/HINet 获取。
引用
@article{arxiv.2105.06086,
title = {HINet: Half Instance Normalization Network for Image Restoration},
author = {Liangyu Chen and Xin Lu and Jie Zhang and Xiaojie Chu and Chengpeng Chen},
journal= {arXiv preprint arXiv:2105.06086},
year = {2022}
}