【图像超分】论文精读：Residual Non-local Attention Networks for Image Restoration（RNAN）

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）

---

前言

论文题目：Residual Non-local Attention Networks for Image Restoration —— 用于恢复的剩余非局部注意网络

论文地址：Residual Non-local Attention Networks for Image Restoration

Pytorch代码：https://github.com/yulunzhang/RNAN

ICLR 2019！

Abstract

在本文中，我们提出了一种残差非局部注意网络，用于高质量的图像恢复。在不考虑损坏图像中信息分布不均匀的情况下，以往的方法受到局部卷积运算的限制，对空间和通道特征进行同等处理。为了解决这个问题，我们设计了局部和非局部注意块来提取捕获像素之间的远程依赖关系的特征，并更加关注具有挑战性的部分。具体来说，我们在每个（非）局部注意块中设计主干分支和（非）局部