学习串并行查找表以实现高效图像超分辨率
图像与视频处理
2022-09-16 v2
摘要
查找表(LUT)因其计算成本低和硬件无关等有价值特性，在低层视觉任务中已展现出功效。然而，近期利用查找表解决单图像超分辨率(SISR)问题的尝试受到极小感受野尺寸的强烈约束。此外，其单层查找表的框架限制了模型的扩展与泛化能力。本文提出一种串并行查找表(SPLUT)框架，以缓解上述问题并实现高效图像超分辨率。一方面，我们级联多个查找表以扩大每个提取特征向量的感受野。另一方面，我们提出一个并行网络，其包含两条由级联查找表构成的分支，分别处理输入低分辨率图像的不同分量。通过这种方式，两条分支相互协作，并补偿建立查找表时对输入像素离散化所带来的精度损失。与先前基于查找表的方法相比，我们的框架具有更强的表示能力与更灵活的架构。此外，我们不再需要引入冗余计算的差值方法，从而可实现更快的推理速度。在五个常用基准数据集上的大量实验结果表明，我们的方法以更高效的方式获得了优越的SISR性能。代码已发布于 https://github.com/zhjy2016/SPLUT。
引用
@article{arxiv.2207.12987,
title = {Learning Series-Parallel Lookup Tables for Efficient Image Super-Resolution},
author = {Cheng Ma and Jingyi Zhang and Jie Zhou and Jiwen Lu},
journal= {arXiv preprint arXiv:2207.12987},
year = {2022}
}
备注
accpted by ECCV2022