图像复原的简单基线
计算机视觉与模式识别
2022-08-03 v4
摘要
尽管图像复原领域近期取得了显著进展，但最先进（SOTA）方法的系统复杂度也在增加，这可能阻碍方法的便捷分析与比较。本文提出一种超越 SOTA 方法且计算高效的简单基线。为进一步简化该基线，我们揭示非线性激活函数（如 Sigmoid、ReLU、GELU、Softmax 等）并非必要：它们可被乘法替换或移除。因此，我们从该基线推导出一种无非线性激活网络，即 NAFNet。在各种具有挑战性的基准上取得了 SOTA 结果，例如在 GoPro（图像去模糊）上 PSNR 达 33.69 dB，以仅 8.4% 的计算成本超越先前 SOTA 0.38 dB；在 SIDD（图像去噪）上 PSNR 达 40.30 dB，以不到一半的计算成本超越先前 SOTA 0.28 dB。代码与预训练模型发布于 https://github.com/megvii-research/NAFNet。
引用
@article{arxiv.2204.04676,
title = {Simple Baselines for Image Restoration},
author = {Liangyu Chen and Xiaojie Chu and Xiangyu Zhang and Jian Sun},
journal= {arXiv preprint arXiv:2204.04676},
year = {2022}
}
备注
Accepted to ECCV 2022; Code: https://github.com/megvii-research/NAFNet/