CVPRApr, 2023

基于优化启发的交叉注意力变换器在压缩感知中的应用

PDF
TL;DR本文提出了一种基于交叉注意力变换器（OCT）的轻量级 Unfolding Framework（OCTUF），它是一个迭代过程，使用优化方法将 ISCA 块和 PGCA 块相结合，实现了良好的压缩感知图像重建性能。
deep unfolding networkcompressive sensingoptimizationcross-attention transformerimage cs
发现论文，激发创造
  • 卷积 - Transformer 混合概率先验展开框架及其在视频快照压缩成像中的不确定性估计

    本文提出了一种基于 DUN 框架下的 3D 卷积 - Transformer 混合（CTM）模块，该模块利用 Transformer 的 3D 有效可扩展关注模型充分学习时间和空间维度之间的相关性，并引入方差估计来表征重建过程中的高频信息，实验结果表明该模型在视频 SCI 重建方面取得了最好的表现（比此前的 SOTA 算法 PSNR 提高了 1.2dB）。

    Jun, 2023

  • 通过内容自适应的梯度更新和变形不变的非局部建模的深度展开网络进行图像压缩感知

    本文提出了一种适用于图像压缩感知的新型 DUN 网络（称为 DUN-CSNet），通过引入内容自适应梯度更新和变形不变的非局部建模，解决了现有 DUN 网络的两个问题，从而实现了更广泛的上下文先验知识的感知，大幅超越了现有的其他压缩感知方法。

    Oct, 2023

  • 用于压缩感知的动态路径可控深度展开网络

    本文提出了一种动态路径可控的深度展开网络，该网络可以根据不同图像情况选择适合的处理路径，并通过不同的性能和复杂性权衡进行精细的调节，从而在压缩感知重建方面取得了优异表现。

    Jun, 2023

  • 图像压缩感知的快速分层深度展开网络

    本文提出了一种新的快速分层深度展开网络（FHDUN）用于图像压缩感知，并通过加速 FISTA 的策略实现超过 50％的迭代次数节约， FHDUN 优于现有的最先进的压缩感知方法，同时保持更少的迭代次数。

    Aug, 2022

  • 基于记忆增强的深度展开网络在压缩感知中的应用

    提出一种新颖的具有持久性记忆的深度展开网络（MADUN）用于压缩感知问题，利用高吞吐量短期记忆和跨阶段长期记忆机制来保持和平衡信息，从而增强网络表示能力和性能，超过现有的最先进方法。

    Oct, 2021

  • GA-HQS: MRI 通用加速展开重建方法

    通过使用二阶梯度信息和金字塔注意力模块以及多尺度拆分变换器，我们提出了一种 “泛加速半二次拆分” 算法，用于 MRI 压缩感知图像加速处理，并在大量实验中验证了该方法的有效性。

    Apr, 2023

  • 面向降级的展开半混洗变压器用于光谱压缩成像

    本文提出一个基于 Transformer 网络的 HSI 重建方法，称作 DAUHST。该方法使用 DAUF 框架估算压缩图像和物理掩模的参数，并使用这些参数来控制每一次迭代。同时，自定义的半洗牌 Transformer（HST）可以同时捕获局部内容和非局部依赖性，实验证明 DAUHST 明显优于其他最先进的方法，并具有较低的计算和存储成本。

    May, 2022

  • 采样先验增强深度展开网络用于鲁棒视频压缩感知

    本文提出了基于采样先验的深度展开网络（SPA-DUN）用于高效、稳健的视频压缩感知重建。实验表明，SPA-DUN 在各种采样设置下都能取得最先进的性能，具有可解释性和通用性。

    Jul, 2023

  • 跨注意力学习在 OCT 中实现实时非均匀旋转畸变校正

    提出一个基于交叉关注学习的非均匀旋转畸变 (NURD) 校正方法，用于内窥镜光学相干断层扫描 (OCT) 成像和其功能扩展，通过比较传统特征方法和基于卷积神经网络 (CNN) 的方法，可以显著提高校正性能并实现 3 倍速增加到实时成像。

    Jun, 2023

  • 基于耦合解混网络的交叉注意力非监督高光谱超分辨率

    本研究提出了一种带有跨注意机制的耦合解混合网络 (CUCaNet)，用于通过更高空间分辨率的多光谱图像 (MSI) 增强高光谱图像 (HSI) 的空间分辨率，并在三个广泛使用的 HS-MS 数据集上进行了广泛的实验来证明其优越性。

    Jul, 2020