MixNet：面向超高清图像恢复的高效全局建模
计算机视觉与模式识别
2024-10-01 v2
摘要
近年来，采用全局建模的图像恢复方法取得了令人瞩目的成果。然而，这些方法通常会产生大量的内存需求，尤其是在处理超高清（UHD）图像时。在本文中，我们提出了一种名为 MixNet 的新型图像恢复方法，该方法引入了一种替代的全局建模方法，对 UHD 图像恢复更为有效。为了在不引入过多计算复杂度的情况下捕获特征的长程依赖，我们提出了全局特征调制层（GFML）。GFML 通过置换特征图来关联不同视图的特征，从而实现对长程依赖的高效建模。此外，我们还设计了局部特征调制层（LFML）和前馈层（FFL），以捕获局部特征并将特征转换为紧凑表示。通过这种方式，我们的 MixNet 在低推理时间开销和计算复杂度下实现了有效恢复。我们在四个 UHD 图像恢复任务上进行了大量实验，包括低照度图像增强、水下图像增强、图像去模糊和图像去摩尔纹，综合结果表明我们所提出的方法超越了当前 SOTA 方法的性能。代码将发布于 \url{https://github.com/5chen/MixNet}。
引用
@article{arxiv.2401.10666,
title = {MixNet: Efficient Global Modeling for Ultra-High-Definition Image Restoration},
author = {Chen Wu and Zhuoran Zheng and Yuning Cui and Wenqi Ren},
journal= {arXiv preprint arXiv:2401.10666},
year = {2024}
}
备注
under review