【图像超分】论文精读:Fully 1 × 1 Convolutional Network for Lightweight Image Super-Resolution (SCNet)
深度模型在单图像超分辨率 (SISR) 任务上取得了显着过程,特别是具有大内核 (3 × 3 或更多) 的大型模型。然而,此类模型的大量计算足迹阻碍了它们在实时、资源受限的环境中部署。相反,1 × 1 卷积带来了可观的计算效率,但在聚合局部空间表示方面存在困难,这是 SISR 模型的基本能力。为了应对这种二分法,我们建议协调 3 ×3 和 1 × 1 内核的优点,并利用轻量级 SISR 任务的巨大潜力。具体来说,我们提出了一个简单而有效的全卷积网络,称为基于 Shift-Conv 的网络 (SCNet)。通
复制链接