学习视差注意力用于立体图像超分辨率
计算机视觉与模式识别
2019-03-20 v3
摘要
由于第二个视点提供了额外信息，立体图像对可用于提升超分辨率（SR）的性能。然而，由于立体图像之间的视差变化显著，将此类信息用于SR具有挑战性。本文提出一种视差注意力立体超分辨率网络（PASSRnet），以整合立体图像对的信息用于SR。具体而言，我们引入了一种沿极线具有全局感受野的视差注意力机制，以处理具有大幅视差变化的不同立体图像。我们还提出了一个全新且最大的立体图像SR数据集（即Flickr1024）。大量实验表明，视差注意力机制能够以较小的计算和内存代价捕捉立体图像间的对应关系，从而提升SR性能。对比结果显示，我们的PASSRnet在Middlebury、KITTI 2012和KITTI 2015数据集上达到了最先进的（state-of-the-art）性能。
引用
@article{arxiv.1903.05784,
title = {Learning Parallax Attention for Stereo Image Super-Resolution},
author = {Longguang Wang and Yingqian Wang and Zhengfa Liang and Zaiping Lin and Jungang Yang and Wei An and Yulan Guo},
journal= {arXiv preprint arXiv:1903.05784},
year = {2019}
}
备注
To appear in CVPR 2019