基于质量图关联注意力网络的多图像超分辨率
图像与视频处理
2022-08-17 v3 计算机视觉与模式识别
摘要
多图像超分辨率旨在从同一位置的多个图像中融合并重建出高分辨率图像，对于卫星图像的利用至关重要。卫星图像常受云等大气扰动遮挡，且扰动位置因图像而异。已有许多辐射与几何方法被提出用于检测大气扰动。然而，检测结果（即质量图）在深度学习中的利用仅限于预处理或损失计算。本文提出质量图关联注意力网络（QA-Net），首次将质量图（QMs）充分融入深度学习框架的架构。我们提出的注意力模块在处理低分辨率图像的同时处理质量图，并利用质量图特征区分扰动并关注图像特征。因此，QA-Net 在 PROBA-V 数据集上取得了最先进的结果。
引用
@article{arxiv.2202.13124,
title = {Multi-image Super-resolution via Quality Map Associated Attention Network},
author = {Minji Lee},
journal= {arXiv preprint arXiv:2202.13124},
year = {2022}
}