【AAAI2022】FDIWN - Feature Distillation Interaction Weighting Network for Lightweight Image SR

内容导读

本文意不在与翻译，在于解读文章，望周知~
关于文章的点评以及可借鉴到自己论文实验的idea，在文末给出

• 文章主要是研究轻量模型的开发，同时研究如何充分利用中间特征。
• 文章是南京邮电和港中文等机构在轻量级超分网络领域的一次探索。
• 本篇博文的精华主要在点评部分，可以先看点评部分，然后在具体阅读本篇博文~~

1、论文来源

• AAAI2022
• 论文pdf下载链接
• 源码下载

2、摘要

• 本文主要针对基于CNN的SR重建方法的现存问题进行了研究，主要是：
  • 计算和内存开销过大，难以应用于实际场景。
  • 如何在轻量模型中充分利用好中间特征？
• 针对上述问题，文章提出了一种轻量级特征提取交互加权网络 （Feature Distillation Interaction Weighted Network，FDIWN）。
  • 具体而言，FDIWN 的骨干是 Feature Shuffle Weighted Groups（FSWG） 堆叠而成。
  • FSWG 的构件是几个相