Hybrid Skip：一种受生物学启发的 UNet 架构跳跃连接
计算机视觉与模式识别
2022-07-12 v1 机器学习
神经与进化计算
图像与视频处理
摘要
在本工作中，我们为 UNet 架构引入了一种受生物学启发的长程跳跃连接，其依赖于混合图像（即同时编码两幅图像的图像）的感知错觉。将浅层编码器特征与更深的 decoder 特征相融合，使 UNet 模型能够产生更细粒度的密集预测。尽管在分割任务中已被证实有效，但由于这些长程跳跃连接还会带来纹理迁移伪影，网络的优势在密集回归任务中被削弱。特别是对于深度估计，这损害了平滑性并引入假阳性边缘，由于深度图具有分段平滑的性质，这对任务是有害的。所提出的 HybridSkip 连接在平衡边缘保持与最小化损害平滑性的纹理迁移伪影这一权衡中表现出改进的性能。这是通过 Hybrid-Skip 连接在高频与低频、编码器与解码器特征之间所提供的恰当且平衡的信息交换实现的。
引用
@article{arxiv.2207.04721,
title = {Hybrid Skip: A Biologically Inspired Skip Connection for the UNet Architecture},
author = {Nikolaos Zioulis and Georgios Albanis and Petros Drakoulis and Federico Alvarez and Dimitrios Zarpalas and Petros Daras},
journal= {arXiv preprint arXiv:2207.04721},
year = {2022}
}
备注
Project page at https://vcl3d.github.io/HybridSkip/