基于 Swin Transformer 轻量级网络的单图像超分辨率
图像与视频处理
2022-10-21 v1 计算机视觉与模式识别
摘要
图像超分辨率重建是图像处理技术领域的一项重要任务，其可将低分辨率图像恢复为具有高分辨率的高质量图像。近年来，深度学习已应用于图像超分辨率重建领域。随着深度神经网络的不断发展，重建图像的质量得到大幅提升，但模型复杂度也随之增加。本文中，我们提出两种基于 Swin Transformer 的轻量级模型，名为 MSwinSR 与 UGSwinSR。MSwinSR 中最重要的结构称为多尺寸 Swin Transformer 块（MSTB），其主要包含四个并行的多头自注意力（MSA）块。UGSwinSR 将 U-Net 与 GAN 同 Swin Transformer 结合。二者均能降低模型复杂度，但 MSwinSR 可达到更高的客观质量，而 UGSwinSR 可达到更高的感知质量。实验结果表明，与最先进模型 SwinIR 相比，MSwinSR 将 PSNR 提升 ，同时参数量减少 ，计算代价减少 。UGSwinSR 能有效降低网络计算量，与 SwinIR 相比可减少 。
引用
@article{arxiv.2210.11019,
title = {Single Image Super-Resolution Using Lightweight Networks Based on Swin Transformer},
author = {Bolong Zhang and Juan Chen and Quan Wen},
journal= {arXiv preprint arXiv:2210.11019},
year = {2022}
}