基于增强型组卷积神经网络的图像超分辨率重建
计算机视觉与模式识别
2022-08-02 v2 图像与视频处理
摘要
具有强大学习能力的CNN被广泛用于解决超分辨率问题。然而，CNN依赖更深的网络架构来提升图像超分辨率性能，这通常会增加计算成本。本文提出一种具有浅层架构的增强型超分辨率组CNN（ESRGCNN），通过充分融合深层与宽通道特征，针对单图像超分辨率（SISR）中不同通道的相关性提取更精确的低频信息。此外，ESRGCNN中的信号增强操作有助于继承更多长距离上下文信息以解决长期依赖问题。一种自适应上采样操作被集成到CNN中，从而得到可处理不同尺寸低分辨率图像的图像超分辨率模型。大量实验表明，我们的ESRGCNN在SISR性能、复杂度、执行速度、图像质量评价和视觉效果方面均优于现有最优方法。代码见 https://github.com/hellloxiaotian/ESRGCNN。
引用
@article{arxiv.2205.14548,
title = {Image Super-resolution with An Enhanced Group Convolutional Neural Network},
author = {Chunwei Tian and Yixuan Yuan and Shichao Zhang and Chia-Wen Lin and Wangmeng Zuo and David Zhang},
journal= {arXiv preprint arXiv:2205.14548},
year = {2022}
}