用于单图像超分辨率的三重注意力混合连接网络
计算机视觉与模式识别
2018-10-09 v1
摘要
单图像超分辨率作为一项底层计算机视觉任务具有重要意义。近期基于深度卷积神经网络的方法已取得令人印象深刻的性能。然而,现有架构由于结构不够精细且表征能力较弱而存在局限。在本工作中,为显著增强特征表征,我们提出了三重注意力混合连接网络(TAN),其包含:1)核、空间与通道三个不同维度的注意力机制;2)强大的残差连接与密集连接的融合(即混合连接)。具体而言,具有多核的网络在不同感受野下学习多层次表征。输出特征经有效的核注意力与通道注意力重新校准,并部分以残差、部分以密集方式送入下一层,从而过滤信息并使网络学习更强的表征。特征最终通过重建网络中的空间注意力,生成局部与全局信息的融合,使网络恢复更多细节并提升重建图像质量。得益于多样的特征重校准与先进的信息流拓扑,我们所提模型在基准评测上足以与最先进方法抗衡。
引用
@article{arxiv.1810.03254,
title = {Triple Attention Mixed Link Network for Single Image Super Resolution},
author = {Xi Cheng and Xiang Li and Jian Yang},
journal= {arXiv preprint arXiv:1810.03254},
year = {2018}
}