目录
一、原理
单幅图像超分辨率(SISR)是低分辨率计算机视觉中的一项重要任务,旨在从低分辨率图像中重建高分辨率图像。传统的注意机制虽然显著提高了SISR的性能,但往往导致网络结构复杂、参数过多,导致推理速度慢、模型规模大。为了解决这个问题,我们提出了Swift无参数注意网络(SPAN),这是一个高效的SISR模型,可以平衡参数计数、推理速度和图像质量。
SPAN采用一种新颖的无参数注意机制,利用对称激活函数和剩余连接增强高贡献信息,抑制冗余信息。我们的理论分析证明了这种设计在实现注意机制目的方面的有效性。我们在多个基准测试中评估了SPAN,表明它在图像质量和推理速度方面优于现有的高效超分辨率模型,实现了显著的质量和速度权衡。这使得SPAN非常适合于现实世界的应用程序,特别是在资源受限的场景中。
论文地址:2311.12770.pdf (arxiv.org)