Beware of Aliases -- Signal Preservation is Crucial for Robust Image Restoration

图像修复网络通常由编码器和解码器组成，分别负责从嘈杂、失真的数据中汇总图像内容和恢复干净、无失真的图像。数据聚合和高分辨率图像生成通常会涉及到别名问题，即标准架构为了在验证数据上获得高PSNR值而将重构模型输入的能力置于危险之中。代价是低模型鲁棒性。在本研究中，我们展示了在最先进的重建变压器中提供无别名路径可以支持改善模型的鲁棒性，并在恢复性能方面不需要付出太多代价。我们通过提出基于变压器的图像修复模型BOA-Restormer来实现这一点，该模型部分在频域中执行下采样和上采样操作，以确保整个模型中的无别名路径，同时可能保留所有相关的高频信息。

本文旨在提高图像恢复模型的鲁棒性，同时保持高的PSNR值。

通过提供无混叠路径来支持模型的鲁棒性，同时在频域中执行下采样和上采样操作，以确保整个模型的无混叠路径。

本文提出了BOA-Restormer，一种基于变压器的图像恢复模型，通过在频域中执行下采样和上采样操作来确保整个模型的无混叠路径，从而提高模型的鲁棒性。实验结果表明，BOA-Restormer在保持高PSNR值的同时，具有更好的鲁棒性。

在相关研究中，还有一些基于变压器的图像恢复模型，例如DPT、TransUNet和ViT等。