NLCUnet：具有发丝级细节的单图像超分辨率网络
图像与视频处理
2023-07-25 v1 计算机视觉与模式识别
机器学习
摘要
追求超分辨率图像的精确细节对于单图像超分辨率任务而言具有挑战性。本文提出了一种具有发丝级细节的单图像超分辨率网络（称为 NLCUnet），包含三项核心设计。具体而言，首先引入非局部注意力机制，通过从整幅图像区域中学习来恢复局部块。接着，我们发现现有工作训练的模糊核是不必要的。基于这一发现，我们通过将深度可分离卷积与通道注意力相整合且无需模糊核估计，构建了新的网络架构，反而带来了性能提升。最后，为使裁剪区域包含尽可能多的语义信息，我们提出在中心 512×512 裁剪内随机裁剪 64×64 区域，而非在 2K 尺寸整图内直接随机裁剪。在基准 DF2K 数据集上开展的大量实验表明，我们的 NLCUnet 在 PSNR 和 SSIM 指标上优于当前最优方法，并生成视觉上令人满意的发丝级细节。
引用
@article{arxiv.2307.12014,
title = {NLCUnet: Single-Image Super-Resolution Network with Hairline Details},
author = {Jiancong Feng and Yuan-Gen Wang and Fengchuang Xing},
journal= {arXiv preprint arXiv:2307.12014},
year = {2023}
}
备注
6 pages,5 figures