用于单图像超分辨率的多尺度注意力网络
图像与视频处理
2024-04-16 v3 计算机视觉与模式识别
摘要
卷积网络可通过利用更大的感受野在高层次任务中与 transformers 竞争。为释放 ConvNet 在超分辨率中的潜力，我们提出一种多尺度注意力网络（MAN），将经典的多尺度机制与新兴的大核注意力相结合。具体而言，我们提出了多尺度大核注意力（MLKA）和门控空间注意力单元（GSAU）。通过我们的 MLKA，我们以多尺度和门控方案改进大核注意力，以在各粒度级别获得丰富的注意力图，从而聚合全局与局部信息并避免潜在的块效应。在 GSAU 中，我们整合门控机制与空间注意力以去除不必要的线性层并聚合信息丰富的空间上下文。为验证我们设计的有效性，我们通过简单堆叠不同数量的 MLKA 和 GSAU，以多种复杂度评估 MAN。实验结果表明，我们的 MAN 可与 SwinIR 媲美，并在最先进性能与计算量之间实现不同的权衡。
引用
@article{arxiv.2209.14145,
title = {Multi-scale Attention Network for Single Image Super-Resolution},
author = {Yan Wang and Yusen Li and Gang Wang and Xiaoguang Liu},
journal= {arXiv preprint arXiv:2209.14145},
year = {2024}
}