Efficient Image Super-Resolution Using Pixel Attention

论文链接：https://arxiv.org/abs/2010.01073 代码链接：https://github.com/zhaohengyuan1/PAN

仅272K 参数量！综合性能优于IMDN、SRResNet和CARN等网络，代码即将开源！作者单位：中科院, 商汤科技, 国科大

这项工作旨在设计一种用于图像超分辨率（SR）的轻量级卷积神经网络。在不考虑简单性的情况下，我们使用新提出的像素注意力方案构建了一个非常简洁有效的网络。像素注意力（PA）类似于公式中的通道注意和空间注意。不同之处在于，PA生成3D注意图而不是1D注意矢量或2D图。该注意方案引入了更少的附加参数，但产生了更好的SR结果。在PA的基础上，我们分别为主分支和重建分支提出了两个构造块。第一个-SC-PA块与自校正卷积具有相同的结构，但具有我们的PA层。由于其双分支架构和注意力方案，该块比常规的残差/密集块有效得多。而第二个-UPA块结合了最近邻的上采样，卷积和PA层。它以很少的参数成本提高了最终的重建质量。我们最终的模型PAN可以达到与轻量级网络SRResNet和CARN相似的性能，但参数只有272K（SRResNet的17.92％和CARN的17.09％）。每个提出的组件的有效性也通过消融研究得到验证。

内容中包含的图片若涉及版权问题，请及时与我们联系删除