基于多重注意力的超轻量图像超分辨率
图像与视频处理
2020-09-22 v2 计算机视觉与模式识别
机器学习
摘要
轻量级图像超分辨率（SR）网络对于实际应用具有极其重要的意义。已有若干基于深度学习的 SR 方法性能优异，但其内存与计算成本阻碍了实际使用。为解决该问题，我们提出了多重注意力特征融合超分辨率网络（MAFFSRN）。MAFFSRN 由所提出的特征融合组（FFG）构成，作为特征提取模块。每个 FFG 包含堆叠的所提出的多重注意力块（MAB），并以一种新颖的特征融合结构组合。此外，带有高效成本注意力机制（CEA）的 MAB 借助多种注意力机制帮助我们精炼并提取特征。综合实验表明我们的模型优于现有最先进水平。我们以 MAFFSRN 模型参与了 AIM 2020 高效 SR 挑战赛，并在内存占用、浮点运算次数（FLOPs）和参数量上分别获得第 1、3 和 4 名。
引用
@article{arxiv.2008.12912,
title = {Multi-Attention Based Ultra Lightweight Image Super-Resolution},
author = {Abdul Muqeet and Jiwon Hwang and Subin Yang and Jung Heum Kang and Yongwoo Kim and Sung-Ho Bae},
journal= {arXiv preprint arXiv:2008.12912},
year = {2020}
}
备注
ECCVW AIM2020