.png){kind=icon}
返回
Multi-scale implicit transformer with re-parameterization for arbitrary-scale super-resolution
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2024.111327.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于隐式神经表示的方法最近在任意尺度超分辨率（ASSR）中表现出卓越的能力。尽管这些方法通过生成潜在码来表示图像特征，但这些潜在码难以适应超分辨率（SR）成像的不同放大因子，严重影响了其性能。为解决此问题，我们设计了一种多尺度隐式Transformer（MSIT），其由多尺度神经算子（MSNO）和多尺度自注意力（MSSA）组成。MSNO通过特征增强、多尺度特征提取和多尺度特征融合获取多尺度潜在码，MSSA进一步增强了潜在码的多尺度特征，从而提升了性能。此外，我们提出了再交互模块并结合累积训练策略，以提升网络训练过程中学习信息的多样性。我们首次系统性地将多尺度特征引入ASSR。大量实验验证了MSIT的有效性，且我们的方法在ASSR任务中达到了最先进性能。
Keyword:
Super-resolution
Transformer
Arbitrary-scale super-resolution
Multi-scale
期刊
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
暂无机构信息
引用论文
Joint operation and attention block search for lightweight image restoration.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏分享收藏SSIR: Spatial shuffle multi-head self-attention for Single Image Super-ResolutionSSIR: 单图像超分辨率的空间混洗多头自注意PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
查看更多内容