csdnxhb2的博客

原创 人脸超分辨率的注意引导多尺度交互网络

由于混合网络中不同尺度的特征众多，如何融合这些多尺度特征并促进它们的互补性是提高人脸超分辨率的关键。现有的方法只是将CNN和Transformer结合，为此论文提出了注意力引导的多尺度交互网络AMINet，包括全局和局部的交互以及encode和decode的特征交互。具体包括LGFI（局部和全局交互模块）；RDFF残差深度特征提取模块，主要用来提取局部特征；SKAF选择核心特征融合模块。基于cnn的方法通常不需要大量的计算消耗。尽管如此，他们专注于提取局部细节，比如面部的局部纹理、颜色等。