BriefGPT - AI 论文速递
·
HiT-SR：高效图像超分辨率的层次 Transformer
💡
原文中文，约600字，阅读约需2分钟。
📝
内容提要
介绍了S2R框架，用于理想和盲超分辨率任务。该框架包括基于transformer的SR模型和自上而下的训练策略。实验结果显示，S2R在理想SR条件下优于其他模型，并在盲模糊条件下具有更好的视觉效果和更快的收敛速度。
🎯
关键要点
-
基于深度学习的方法在理想超分辨率数据集上表现出色，但在现实SR重建任务中性能下降。
-
提出盲SR方法以改善随机模糊核造成的视觉结果。
-
S2R框架用于理想和盲SR任务，包括轻量级的基于transformer的SR模型和自上而下的训练策略。
-
S2R transformer通过组合高效轻量级块增强特征提取能力，参数相对较少。
-
训练策略包括粗粒度学习和快速微调过程，以提高网络的泛化能力和迁移学习效率。
-
实验结果显示，S2R在理想SR条件下使用578K参数优于其他单图像SR模型。
-
在盲模糊条件下，S2R实现更好的视觉效果，收敛速度提高300倍，显著加速迁移学习过程。
🏷️
标签
➡️
