面向一体化图像复原的统一宽度自适应动态网络
计算机视觉与模式识别
2024-01-25 v1
摘要
与传统图像复原方法相比，一体化图像复原技术因其能够复原受多种未知退化类型和程度影响的图像而受到越来越多的关注。然而，当代一体化图像复原方法忽略了任务间的难度差异，并采用相同的网络来重建受不同退化影响的图像。这种做法导致对任务相关性的低估和计算资源的次优分配。为了阐明任务层面的复杂性，我们引入了一个新概念，假设复杂的图像退化可以用基本退化来表示。在此基础上，我们提出了一种创新方法，称为统一宽度自适应动态网络（U-WADN），包含两个关键组件：宽度自适应主干网络（WAB）和宽度选择器（WS）。WAB 包含多个具有不同宽度的嵌套子网络，这有助于为每个任务选择最合适的计算，从而在运行时平衡准确性和计算效率。对于不同的输入，WS 会自动选择最合适的子网络宽度，同时考虑任务特定和样本特定的复杂性。在多种图像复原任务上的大量实验表明，所提出的 U-WADN 实现了更好的性能，同时减少了高达 32.3% 的 FLOPs，并提供了约 15.7% 的实时加速。代码已发布在 \url{https://github.com/xuyimin0926/U-WADN}。
引用
@article{arxiv.2401.13221,
title = {Unified-Width Adaptive Dynamic Network for All-In-One Image Restoration},
author = {Yimin Xu and Nanxi Gao and Zhongyun Shan and Fei Chao and Rongrong Ji},
journal= {arXiv preprint arXiv:2401.13221},
year = {2024}
}