SwinIR：基于 Swin Transformer 的图像复原
图像与视频处理
2021-08-24 v1 计算机视觉与模式识别
摘要
图像复原是一个长期存在的低级视觉问题，旨在从低质量图像（例如降尺度、含噪和压缩图像）恢复高质量图像。虽然最先进的图像复原方法基于卷积神经网络，但在高级视觉任务中表现出色的 Transformer 却鲜有尝试。本文中，我们基于 Swin Transformer 提出了一个强大的基线模型 SwinIR，用于图像复原。SwinIR 由三部分组成：浅层特征提取、深层特征提取和高质量图像重建。特别地，深层特征提取模块由多个残差 Swin Transformer 块（RSTB）组成，每个块包含多个 Swin Transformer 层和一个残差连接。我们在三个代表性任务上进行了实验：图像超分辨率（包括经典、轻量级和真实世界图像超分辨率）、图像去噪（包括灰度和彩色图像去噪）以及 JPEG 压缩伪影去除。实验结果表明，SwinIR 在不同任务上均优于最先进的方法，性能提升**最高可达 0.14∼0.45dB**，同时总参数量可**减少高达 67%**。
引用
@article{arxiv.2108.10257,
title = {SwinIR: Image Restoration Using Swin Transformer},
author = {Jingyun Liang and Jiezhang Cao and Guolei Sun and Kai Zhang and Luc Van Gool and Radu Timofte},
journal= {arXiv preprint arXiv:2108.10257},
year = {2021}
}
备注
Sota results on classical/lightweight/real-world image SR, image denoising and JPEG compression artifact reduction. Code: https://github.com/JingyunLiang/SwinIR