通过频率自注意力学习校正误差以实现盲图像超分辨率
图像与视频处理
2024-03-13 v1 计算机视觉与模式识别
摘要
以往针对盲图像超分辨率 (SR) 的方法依赖于退化估计，以从低分辨率 (LR) 图像恢复高分辨率 (HR) 图像。然而，准确的退化估计面临重大挑战。SR 模型与退化估计方法（特别是校正滤波器）的不兼容性可能会因校正误差而显著损害性能。在本文中，我们引入了一种专注于学习校正误差 (LCE) 的新型盲 SR 方法。我们的方法采用轻量级校正器来获取校正后的低分辨率 (CLR) 图像。随后，在 SR 网络内，我们通过联合利用原始 LR 图像和 CLR 图像的频率学习来共同优化 SR 性能。此外，我们提出了一种新的频率自注意力块 (FSAB)，增强了 Transformer 的全局信息利用能力。该块集成了自注意力和频率空间注意力机制。在各种设置下进行的广泛消融和对比实验表明，我们的方法在视觉质量和准确性方面具有优越性。我们的方法有效解决了与退化估计和校正误差相关的挑战，为更准确的盲图像 SR 铺平了道路。
引用
@article{arxiv.2403.07390,
title = {Learning Correction Errors via Frequency-Self Attention for Blind Image Super-Resolution},
author = {Haochen Sun and Yan Yuan and Lijuan Su and Haotian Shao},
journal= {arXiv preprint arXiv:2403.07390},
year = {2024}
}
备注
16 pages