图像超分辨率变换:基于 ConvFormer 的高效方法
原文中文,约300字,阅读约需1分钟。发表于: 。通过引入 Convolutional Transformer 层(ConvFormer)和基于 ConvFormer 的超分辨率网络(CFSR),提出了一种有效且高效的轻量级图像超分辨率任务解决方案,通过使用大卷积核卷积作为特征混合器替代自注意模块,实现了较长范围依赖关系和广泛接受域的建模,同时在计算成本稍微增加的情况下保留了更多高频信息,并且相对于现有的轻量级 SR...
本文介绍了一种新的基于变压器的算法Selective Super-Resolution(SSR),通过图像分割和金字塔结构选择感兴趣的图块,并利用深度特征仅重构这些选定的图块,解决了常规超分辨率方法的计算成本和引入额外信息的问题。实验证明,该方法在超分辨率方面具备效率和稳健性,与最先进的方法相比,FID评分降低到10.41,计算成本减少了40%。