MPRNet：用于轻量级图像超分辨率的多路径残差网络

轻量级超分辨率网络对真实世界应用极为重要。近年来若干取得卓越成就的 SR 深度学习方法以牺牲内存与计算成本为代价被提出。为克服该问题，我们提出一种新颖轻量级超分辨率网络，其在轻量级 SR 中改善 SOTA 性能，并表现大致类似于计算昂贵网络。多路径残差网络设计了一组由自适应残差块堆叠而成的残差拼接块：（$i$）自适应提取信息性特征并学习更具表达力的空间上下文信息；（$ii$）在上采样阶段前更好地利用多级表示；以及（$iii$）允许网络内高效的信息与梯度流动。所提架构还包含一种新注意力机制，双折注意力模块，以最大化模型的表示能力。大量实验显示了我们的模型相对于其他 SOTA SR 方法的优越性。