Q1: 图像增强是指什么?
图像在环境,光线的影响下,造成图像模糊不清晰,对比度低,图像增强的目的就是 利用某种手段提高图像的对比度,突出图像中人物或物体,有利于后边的识别等处理。
Q2:自相似先验知识
绿色的三个框,场景内容一样,分辨率不一样
蓝色的三个框,分辨率一样,但是某些区域在这张图像有,另一张图像没有,就是不同的位置丢失信息不一样。
自相似性作为约束做图像超分。
本文方法将先验知识放入网络中,构造图卷积神经网络,自己学习自相似先验知识(pach之间的相似性以及相似性程度)
本文提出Feedback Graph Attention Convolutional Network (FB-GACN),为了更好的利用全局结构信息和纹理细节。
Q:全局结构信息(如何表示)?纹理细节(如何表示)? 是如何利用的?
Key Innovation:图像patch特征作为节点构造图网络来考虑全局结构相似性,通过相似性进行非局部的连接。
网络主要由三部分组成:
①图相似性branch:利用低分辨率图像patch之间的相似性和对称性进行建模,并为content branch提供额外的先验来增强纹理细节。graph attention machanism利用相似patch特征之间的权重组合更新每个node的特征。
②具有递归结构的feedback machanism,生成更加丰富的纹理细节。
Q:对称性是如何体现的?
Q:A long skip connection is added to pass the upsampled LR image to the output result as we only want to learn the residual modififications.
为了增强特征的表达能力,将输入特征转换为高层特征,需要一个可学习的线性变换,为了达到该目的,作为初始步骤,一个共享的线性变换,参数化为weight matrix W,应用到每个节点上。然后在每一个节点上,进行self-attention:计算attention coefficients
本文采用反馈机制,通过按时间序列的方式用高级信息细化低级表示来恢复纹理细节
GAT:https://github.com/PetarV-/GAT
https://github.com/Diego999/pyGAT
https://github.com/danielegrattarola/keras-gat
https://www.cnblogs.com/wangxiaocvpr/p/7889307.html