用于图像去马赛克的残差 Swin Transformer 通道注意力网络
计算机视觉与模式识别
2022-04-15 v1 图像与视频处理
摘要
图像去马赛克是从原始传感器（彩色滤光片阵列）数据插值出全分辨率彩色图像的问题。在过去十年中，深度神经网络已广泛应用于图像复原，尤其在去马赛克中取得了显著的性能提升。近年来，视觉 Transformer 被设计并成功用于多种计算机视觉应用。近期一种基于 Swin Transformer（ST）的图像复原方法 SwinIR 以少于基于神经网络方法的参数量展示了最先进的性能。受 SwinIR 成功的启发，我们在本文中提出一种基于 Swin Transformer 的用于图像去马赛克的新网络，称为 RSTCANet。为提取图像特征，RSTCANet 堆叠若干残差 Swin Transformer 通道注意力块（RSTCAB），并为每两个连续的 ST 块引入通道注意力。大量实验表明 RSTCANet 优于最先进的图像去马赛克方法，且参数量更少。
引用
@article{arxiv.2204.07098,
title = {Residual Swin Transformer Channel Attention Network for Image Demosaicing},
author = {Wenzhu Xing and Karen Egiazarian},
journal= {arXiv preprint arXiv:2204.07098},
year = {2022}
}