.png){kind=icon}
返回
Lightweight Dual-Kernel Information Aggregation Network for Efficient Image Super-Resolution
.png){kind=icon}
PRE
AI
DOI：10.1109/TNNLS.2025.3626142.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高效单图像超分辨率（ESISR）的主要目标是在保持模型复杂度低的同时增强超分辨率（SR）性能，使其更适合在边缘设备上部署。然而，由传统卷积的局部性引起的有限感受野限制了骨干网络和注意力模块有效捕获非局部特征的能力，导致SR性能次优。此外，高低频特征信息之间不足的交互导致特征表示不完整。为克服这些限制，我们提出了一种新型的ESISR网络，称为轻量级双核信息聚合网络（LDIAN）。首先，我们设计了一种双核卷积（DKC），它结合了深度可分离的1-D卷积和空洞卷积，以在扩展的感知野中高效提取更丰富的图像特征，同时最小化模型复杂度。基于DKC，我们进一步开发了一种双核增强卷积（DEConv）和一种双核增强蒸馏块（DEDB）。此外，我们提出了一种轻量级双核注意力（DKA）机制，用于关注SR重建的更具代表性的特征。其次，我们设计了一种创新的特征融合结构，命名为信息聚合块（IAB），用于整合空间特征并加强高低频信息之间的交互，从而提升特征表示。广泛的定量和定性实验表明，LDIAN在模型性能和复杂度之间取得了最优平衡，达到了当前最佳性能。值得注意的是，与SRFormer-light相比，LDIAN-L在五个标准数据集上实现了更优越的性能，同时仅需约50%的模型浮点运算次数（FLOPs）。
Keyword:
Dual-kernel attention (DKA)
efficient image super-resolution (SR)
information distillation
期刊
IF:
8.9
论文数:
7.6K
被引数:
7.2W
机构
引用论文
.png){kind=icon}
Attention Guidance Distillation Network for Efficient Image Super-Resolution王浩, 魏忠, 唐秋, 程思, 王磊, 李阳, 基于注意力引导的蒸馏网络用于高效图像超分辨率, 见: 电气与电子工程师协会/计算机视觉与模式识别会议论文集, 2024, 第6287-6296页. https://doi.org/10.1109/CVPRW63382.2024.00632.
PREAI
分享收藏
查看更多内容