MAANet：用于图像超分辨的多视角感知注意力网络
计算机视觉与模式识别
2019-04-15 v1
摘要
近年来，基于深度卷积神经网络（DCNNs）的图像超分辨率（SR）在多媒体与计算机视觉领域获得越来越多的关注，其致力于从低分辨率（LR）图像恢复高分辨率（HR）图像。然而，基于 DCNNs 的方法一个不可忽视的缺陷是，大多数无法从具有低频信息冗余的 LR 图像中恢复出包含充足高频信息的 HR 图像。更糟的是，随着 DCNNs 深度增加，训练易遭遇梯度消失问题，使训练更加困难。这些问题阻碍了 DCNNs 在图像 SR 任务中的有效性。为解决这些问题，我们提出用于图像 SR 任务的多视角感知注意力网络（MAANet）。具体而言，我们提出局部感知（LA）与全局感知（GA）注意力，以不等方式处理 LR 特征，从而分别在局部与全局视角下突出高频成分并区分 LR 图像中各特征。此外，我们提出局部注意力残差稠密（LARD）模块，将 LA 注意力与多重残差及稠密连接结合，以适配更深却易于训练的架构。实验结果表明，与其他最先进（state-of-the-art）方法相比，我们所提方法能取得显著性能。
引用
@article{arxiv.1904.06252,
title = {MAANet: Multi-view Aware Attention Networks for Image Super-Resolution},
author = {Jingcai Guo and Shiheng Ma and Song Guo},
journal= {arXiv preprint arXiv:1904.06252},
year = {2019}
}