图像超分:HAN(Single Image Super-Resolution via a Holistic Attention Network)

在这里插入图片描述
论文:Single Image Super-Resolution via a Holistic Attention Network
文章检索出处:2020 ECCV

看点

通道注意已被证明在每一层能有效的保存丰富的特征信息。然而,它将每个卷积层试做一个单独的过程,忽略了不同层之间的联系。为了解决这一问题,本文提出了整体注意网络(HAN),主要贡献如下:
1)引入了一个层注意模块(LAM),通过考虑层间相关性来学习不同层特征的权重。同时,提出了通道空间注意模块(CSAM)来学习各层特征的通道和空间相关性。
2)提出的两个注意模块通过对层、通道和位置之间的特征信息进行建模,实现了SOTA。
在这里插入图片描述

方法

overview

如下图所示,HAN由四部分组成:特征提取、层注意模块、通道空间注意模块和最终的重构模块。
给定LR,HAN的第一个卷积层提取一组浅层特征图,然后一系列残差组进一步提取LR的深层特征。其间,利用所提出的LAM来学习残差组输出的特征图的相关性,以及一个CSAM来研究通道和像素之间的相互依赖关系。最后,通过上采样模块产生HR。
在这里插入图片描述

层注意模块

尽管稠密连接和跳层连接允许浅层信息绕过深层,但这些操作没有利用不同层之间的相关性。相反,LAM可以通过获取不同深度特征之间的依赖关系,对不同层的特征分配不同的注意权重,提高提取到的特征的表示能力,结构如下图所示。
在这里插入图片描述
输入为N个残差组(使用共10个RCAN结构)中提取到的中间特征 F G s FG_s FGs,其维数为N×H×W×C。然后将特征组reshape到一个N×HWC的二维矩阵,并应用矩阵乘法和相应的转置来计算不同层之间的相关性
在这里插入图片描述
其中,δ(·)表示Softmax,φ(·)代表reshape。最后,将reshape后的特征组乘以关联矩阵和一个比例因子α,并和输入特征相加
在这里插入图片描述
其中,α初始化为0。

通道空间注意

现有的注意机制没有同时兼顾尺度维度和通道维度。为此,本文提出了CSAM,它包含了所有维度的特征图。注意,尽管可以对从RCAN中提取的所有特征组都执行CSAM,但只调整最后一个特征组,以在精度和速度之间进行权衡,结构如下图所示。
在这里插入图片描述
给定最后一层特征图 F N ∈ R H × W × C F_N∈R^{H×W×C} FNRH×W×C,将 F N F_N FN输入到三维卷积层,通过捕捉通道和空间特征来生成 W c s a W_{csa} Wcsa,具体如下:
在这里插入图片描述
其中 F C S F_{CS} FCS为CSAM的输出,σ(·)为sigmoid激活函数,β是权重,初始化为0。

实验

数据集

使用DIV2K作为训练集,采用双线性插值和BD退化处理。

消融实验

LAM和CSAM模块的消融实验
在这里插入图片描述

不同数量RG组的消融实验
在这里插入图片描述
不同数量CSAM的消融实验
在这里插入图片描述

量化评估

另提出了自集成模型,并将命名为HAN+
BI处理后的测试集x2,x4量化
在这里插入图片描述
在这里插入图片描述
BD处理后的测试集x3量化
在这里插入图片描述

  • 1
    点赞
  • 26
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
《Accurate 3D Face Reconstruction from a Single Image: A Holistic Approach》这篇论文的主要内容是介绍了一种基于单个图像的准确三维人脸重建方法,其采用了一种全面的方法来捕捉人脸的几何形状和纹理信息。 论文的作者 Aaron S. Jackson, Adrian Bulat, Vasileios Argyriou, Georgios Tzimiropoulos 提出了一个由两个主要组件组成的框架:3DMM(3D Morphable Model)回归器和姿态估计器。 首先,他们使用3DMM回归器来估计人脸的形状参数和纹理参数。这个回归器通过将人脸图像映射到3DMM参数空间,利用深度卷积神经网络(CNN)来预测人脸的三维形状和纹理参数。 然后,他们提出了一种姿态估计器来估计人脸的姿态参数。这个姿态估计器使用CNN来预测人脸的旋转和平移参数,以校正人脸的姿态。 最后,通过将形状参数、纹理参数和姿态参数结合起来,他们可以生成准确的三维人脸重建结果。 该方法在多个数据集上进行了实验评估,结果表明,与其他基准方法相比,该方法能够产生更准确和逼真的三维人脸重建结果。此外,该方法还具有一定的鲁棒性,对于具有不同姿态和光照条件的人脸图像也能取得良好的效果。 总的来说,《Accurate 3D Face Reconstruction from a Single Image: A Holistic Approach》这篇论文提出了一种综合性的方法,通过结合形状参数、纹理参数和姿态参数,实现了准确的三维人脸重建。这个方法在单个图像上能够生成高质量的三维人脸模型,对于人脸分析、虚拟现实等应用具有重要意义。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值