.png){kind=icon}
返回
SRTransGAN: Image Super-Resolution Using Transformer Based Generative Adversarial Network
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-031-93694-4_22.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
图像超分辨率是一个关键任务，旨在通过低分辨率图像合成高分辨率图像，以解决低分辨率物体识别和医学图像增强等应用中的局限性。基于生成对抗网络（GAN）的方法已成为图像超分辨率领域的最先进技术，利用卷积神经网络（CNN）构建生成器和判别器网络。然而，与最近因自注意力机制而在深度学习中取得突破的Transformer不同，CNN在利用全局信息方面并非最优。受Transformer在语言和视觉应用中成功的启发，我们提出了一种名为SRTransGAN的新型图像超分辨率方法，该方法利用基于Transformer的GAN架构。我们的方法采用基于Transformer的编码器-解码器网络作为生成器，以生成2倍和4倍的高分辨率图像。我们提出的SRTransGAN在PSNR和SSIM评分测量下平均优于现有方法4.38%。我们还通过显著性图分析展示了我们方法的有效性。我们的方法为图像超分辨率提供了一种有前景的新途径，突显了基于Transformer的架构在解决这一关键问题方面的潜力。本文使用的代码可在https://github.com/nbaghel777/SRTransGAN上公开获取。
Keyword:
High Resolution
Transformer
GAN
Efficient Network
Encoder-Decoder
Super-Resolution
Image Quality
Upscaling Techniques
期刊
C
IF:
0
论文数:
32
被引数:
0
机构
引用论文
.png){kind=icon}
查看更多内容