Apr, 2020

金字塔注意力网络用于图像修复

PDF
TL;DR将金字塔注意力模块用于图像修复能够提高深度卷积神经网络方法的自相似性，从而能够更好地处理在不同尺度上具有类似模式的图像，并可应用于多种图像修复任务中，包括图像去噪、去马赛克、减少压缩伪影和超分辨率。
self-similarityconvolutional neural networksattention modulemulti-scale feature pyramidimage restoration
发现论文，激发创造
  • SS-BSN: 自监督盲点关注网络，用于非局部自相似去噪

    本文提出一种新颖的自我相似注意力机制（SS-Attention），并将其集成到基于自我相似的盲点网络（SS-BSN）中，在自我监督图像去噪任务中通过实验证明，在智能手机图像去噪数据集（SIDD）和达姆斯塔特噪声数据集（DND）基准数据集上，该方法在定量和定性方面均优于现有的先进方法。

    May, 2023

  • 基于高效和显式建模的图像层次结构图像修复方法

    该论文提出了一种用于图像恢复的机制，通过锚定条纹自注意力机制，GRL 网络架构和其他技术能够明确地建模全局、区域和局部范围内的图像层次结构，并在 7 种图像恢复类型中取得了最新的研究成果。

    Mar, 2023

  • 用于图像修复的 Residual Non-local Attention 网络

    本文提出了残差非局部注意力网络用于高质量图像恢复，利用局部和非局部注意块来提取长程依赖的特征并对挑战性部分进行更多关注，在局部和非局部注意力学习中加入残差机制以增强网络的表征能力，可以被推广应用于各种图像恢复应用中，如图像去噪，去马赛克，压缩失真减少和超分辨率。实验结果表明，我们的方法在定量和定性指标上都取得了可比或更好的结果。

    Mar, 2019

  • 基于注意力立方体网络的图像恢复

    本文提出了一种基于注意力机制的深度卷积神经网络用于图像修复，在空间、通道和层次三个维度加入注意力机制以用于更好的特征表达和特征相关性学习。实验表明该方法在定量和视觉分析上优于现有方法。

    Sep, 2020

  • 金字塔注意力网络用于语义分割

    使用金字塔注意力网络 (PAN) 进行语义分割，通过特征金字塔注意力模块和全局注意力上采样模块提取精确的密集特征，优于现有方法，可达到 PASCAL VOC 2012 和 Cityscapes 数据集的最高精度 mIoU 84.0%。

    May, 2018

  • 使用像素注意力实现高效图像超分辨率

    本研究旨在设计一种轻量级卷积神经网络，用于图像超分辨率，提出了一种像素关注机制用于构建简洁且有效的网络，并分别提出了基于像素关注的主干和重建分支的构建块。该模型具有较好效果且参数量只有 SRResNet 和 CARN 的 17.92％和 17.09％。

    Oct, 2020

  • 图像恢复中自注意力和卷积的动态关联学习

    本文提出了一种关联学习方法，利用 CNN 和 self attention 的优点并抑制它们的缺点，实现高质量和高效的图像修复。该方法通过关联雨痕去除和背景恢复来完成图像去雨，其中设计了图像去雨网络和背景恢复网络作为两个子任务，并引入了一种新颖的多输入 attention 模块用于关联学习。

    Nov, 2023

  • 金字塔注意力网络用于医学图像配准

    我们提出了金字塔注意力网络（PAN）用于可变形医学图像配准，通过引入双流金字塔编码器和局部多头注意力变换器实现特征表示和分析运动模式，取得了较好的配准性能。

    Feb, 2024

  • 如何提升图像修复中的注意力潜力？

    通过连续缩放注意力（CSAttn）方法，无需使用 FFN 来进行图像恢复任务，实验证明一些简单的操作可以显著影响模型性能，并展示了 CSAttn 在图像恢复任务中优于基于 CNN 和 Transformer 的方法。

    Mar, 2024

  • HAT：用于图像恢复的混合注意力变换器

    Transformer-based methods have limitations in utilizing input information, so a Hybrid Attention Transformer (HAT) is proposed to improve restoration tasks by combining channel attention and window-based self-attention schemes.

    Sep, 2023