双域带注意力用于图像恢复
1School of Computation, Information and Technology, Technical University of Munich, Munich, 85748, Germany.
概括
这项研究引入了一种新的双域带注意网络 (DSANet) 用于图像修复. DSANet通过改进表示学习,有效地提高了像dehazing和denoising这样的任务中的图像质量.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 信号处理 信号处理
背景情况:
- 图像恢复旨在从退化的观测中恢复高质量的图像.
- 变压器擅长模拟远程依赖关系,但患有二次复杂性.
- 利用光谱差异可以提高图像恢复性能.
研究的目的:
- 开发一种有效的图像恢复注意力机制,克服标准变压器的局限性.
- 通过整合空间和频率域信息来增强表示学习.
- 在各种图像修复任务中取得最先进的结果.
主要方法:
- 提出了一个双域带注意力机制,具有空间和频率带注意力单元.
- 空间带注意力使用卷积分支来捕获本地上下文信息.
- 频带的注意力通过分离和调制使用聚合技术来改进光谱特征.
- 采用不同尺寸的条带来多层次的学习,以处理不同的退化.
主要成果:
- 拟议的双域条目注意网络 (DSANet) 实现了最先进的性能.
- 在四个图像恢复任务中,DSANet在12个数据集上表现出卓越的结果.
- 该方法有效地处理图像的模糊化,消除模糊性,消除模糊性和失焦.
结论:
- 双域条目注意力机制为图像恢复提供了一种高效有效的方法.
- DSANet成功地平衡了性能和计算复杂性.
- 拟议的网络在图像修复领域取得了重大进展.


