Image Super-Resolution with Cross-Scale Non-Local Attention and Exhaustive Self-Exemplars Mining
本文介绍的是发表在CVPR2020的一篇关于图像超分辨率的文章,其核心是跨尺度非局部注意力机制。
上上周在实验室seminar介绍了这篇文章,为了加强记忆🤯,准备写一篇笔记。
🌟paper:Image Super-Resolution with Cross-Scale Non-Local Attention and Exhaustive Self-Exemplars Mining
🌟code: Cross-Scale-Non-Nocal-Attention
Background
现有的基于非局部注意力机制的方法如RCAN、SAN,都只探索了统一尺度的特征,而忽略了不同尺度间的丰富信息,造成重建结果相对较差。
那么,什么是Cross-Scale呢?
一般来说,在做单图像超分辨率时,我们会将注意力集中在LR图像上,也就是说,我们想尽可能地利用这个LR图像提供的信息,跟LR死磕,这就是Single-Scale;而Cross-Scale的思想是,我们别只盯着LR看了,看看别的吧!于是乎,我们将LR做下采样,希望该下采样的结果和LR之间的相对关系也能为HR的重建提供信息。(之后会细讲)
Introduction
自然图像中广泛存在跨尺度的块相似性,也就是说除了