像素自适应滤波单元
计算机视觉与模式识别
2019-11-26 v1
摘要
计算机视觉中最先进的方法严重依赖于卷积层的平移等变性和空间共享特性，而未明确考虑输入内容。现代技术采用深而复杂的架构以规避此问题。在本工作中，我们提出一种像素自适应滤波单元（PAFU），其引入一种可微分的核选择机制，并配以便离散、可学习且去相关的核组，以实现基于内容的空间自适应。首先，我们展示了该技术在运行时间至关重要中的应用中的适用性。接着，我们在深度神经网络中采用 PAFU 替代标准卷积层，以空间变化的计算增强原始架构，从而获得显著的性能提升。最后，多样而广泛的实验为所提出的跨不同图像处理与高层计算机视觉任务的内容自适应处理方案提供了有力的经验证据。
引用
@article{arxiv.1911.10581,
title = {Pixel Adaptive Filtering Units},
author = {Filippos Kokkinos and Ioannis Marras and Matteo Maggioni and Gregory Slabaugh and Stefanos Zafeiriou},
journal= {arXiv preprint arXiv:1911.10581},
year = {2019}
}