面向真实图像去噪中通道注意力的提升：子带金字塔注意力
图像与视频处理
2020-12-24 v1 计算机视觉与模式识别
摘要
人工神经网络(ANN)中的卷积层平等对待通道特征，缺乏特征选择的灵活性。在真实世界应用中使用ANN进行图像去噪时，面对未知噪声分布（尤其是具有可学习模式的结构化噪声），对信息性特征进行建模可显著提升性能。真实图像去噪任务中的通道注意力方法利用特征通道间的依赖关系，因而成为一种频率分量滤波机制。现有通道注意力模块通常使用全局统计量作为描述符来学习通道间相关性。该方法在学习用于频率层级通道重缩放的代表性系数方面效率低下。本文提出一种基于小波子带金字塔的新型子带金字塔注意力(SPA)，以更细粒度的方式重新校准所提取特征的频率分量。我们将SPA模块搭载于一个为真实图像去噪设计的网络上。实验结果表明，所提方法相比基准朴素通道注意力模块取得了显著改进。此外，我们的结果展示了金字塔层级如何影响SPA模块的性能，并表现出SPA模块良好的泛化能力。
引用
@article{arxiv.2012.12481,
title = {Towards Boosting the Channel Attention in Real Image Denoising : Sub-band Pyramid Attention},
author = {Huayu Li and Haiyu Wu and Xiwen Chen and Hanning Zhang and Abolfazl Razi},
journal= {arXiv preprint arXiv:2012.12481},
year = {2020}
}