MAMNet：用于图像超分辨率的多路径自适应调制网络
计算机视觉与模式识别
2020-03-30 v2
摘要
近年来，基于深度卷积神经网络（CNNs）的单图像超分辨率（SR）方法取得了显著进展。然而，由于卷积操作的非自适应性质，它们无法适应图像的多种特性，这限制了其表示能力，并因此导致模型尺寸不必要地庞大。为解决此问题，我们提出了一种新颖的多路径自适应调制网络（MAMNet）。具体地，我们提出了多路径自适应调制块（MAMB），这是一种轻量且高效的残差块，通过三条路径充分利用残差特征响应的信息来自适应调制。三条路径建模了三种适于 SR 的信息：1）使用全局方差池化的通道特定信息（CSI）；2）基于 CSI 的通道间依赖（ICD）；3）通过深度可分离卷积的通道特定空间依赖（CSD）。我们证明了所提出的 MAMB 相比于其他特征调制方法对图像 SR 更有效且参数高效。此外，实验结果表明，我们的 MAMNet 以相对较少的参数数量优于大多数最先进（state-of-the-art）方法。
引用
@article{arxiv.1811.12043,
title = {MAMNet: Multi-path Adaptive Modulation Network for Image Super-Resolution},
author = {Jun-Hyuk Kim and Jun-Ho Choi and Manri Cheon and Jong-Seok Lee},
journal= {arXiv preprint arXiv:1811.12043},
year = {2020}
}