用于图像超分辨率与降噪的残差通道注意力生成对抗网络
图像与视频处理
2020-04-29 v1 计算机视觉与模式识别
摘要
图像超分辨率是旨在从相应低分辨率图像重建高分辨率图像的重要计算机视觉技术之一。近来，基于深度学习的方法已被证明可用于图像超分辨率。然而，随着深度网络加深，它们变得更难训练，且更难恢复更精细的纹理细节，尤其在真实世界设定下。本文中，我们提出残差通道注意力-生成对抗网络（RCA-GAN）以解决这些问题。具体地，提出一种新颖的残差通道注意力块来构成RCA-GAN，其由一组带快捷连接的分块以及通道注意力机制组成，以建模不同通道间特征表示的相互依赖与交互。此外，采用生成对抗网络（GAN）进一步生成真实且高度细节化的结果。得益于这些改进，所提RCA-GAN比基线模型产生持续更优的视觉质量，具有更细致自然的纹理；并且在真实世界图像超分辨率上取得与最先进（SOTA）方法相当或更好的性能。
引用
@article{arxiv.2004.13674,
title = {Residual Channel Attention Generative Adversarial Network for Image Super-Resolution and Noise Reduction},
author = {Jie Cai and Zibo Meng and Chiu Man Ho},
journal= {arXiv preprint arXiv:2004.13674},
year = {2020}
}