第一次来请先看这篇文章:【超分辨率(Super-Resolution)】关于【超分辨率重建】专栏的相关说明,包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等)
文章目录
前言
论文题目:Activating More Pixels in Image Super-Resolution Transformer —— 激活图像超分辨率变压器中的更多像素
论文地址:SRFlow: Learning the Super-Resolution Space with Normalizing Flow
论文源码:https://github.com/XPixelGroup/HAT
CVPR 2023!基于transformer的超分方法的进一步提升!HAT!
Abstract
基于transformer的方法在图像超分辨率等低级视觉任务中表现出了令人印象深刻的性能。然而,我们发现这些网络只能通过归因分析来利用有限的输入信息空间范围。这意味着 Transformer 的潜力在现有网络中仍未得到充分利用。为了激活更多的输入像素以获得更好的重建,我们提出了一种新的混合注意转换器(HAT)。它结合了通道注意力和基于窗口的自注意力方案,从而利用