本文内容:在不同位置添加TransformerBlock
目录
论文简介
摘要。基于变压器的恶劣天气图像恢复方法取得了重大进展。它们大多使用沿通道维度或空间固定范围块的自关注来减少计算负荷。然而,这种折衷导致了在捕获远程空间特征方面的限制。由于观测到天气引起的退化因素主要导致相似的遮挡和亮度,在这项工作中,我们提出了一种有效的直方图转换器(Histogram Transformer, Histoformer)来恢复受恶劣天气影响的图像。它是由一种被称为直方图自注意的机制驱动的,该机制将空间特征分类并分割成基于强度的箱子。然后将自关注应用于箱间或每个箱内,选择性地关注动态范围的空间特征,并将长范围的相似退化像素一起处理。为了增强直方图的自注意,我们提出了一种动态范围卷积,使常规卷积能够对相似像素而不是相邻像素进行操作。我们还观察到,常见的逐像素损失忽略了输出和真值之间的线性关联和相关性。因此,我们建议利用Pearson相关系数