论文标题：Image Super-Resolution with Non-Local Sparse Attention
代码链接：https://github.com/HarukiYqM/Non-Local-Sparse-Attention
作者单位：伊利诺伊大学厄巴纳-香槟分校（UIUC）
本文为单幅图像超分辨率网络提出了一种新颖的Non-Local稀疏注意力：NLSA，它同时包含了稀疏表示和Non-Local操作的优点，性能优于其他注意力，代码刚刚开源！
非局部 (NL) 操作和稀疏表示对于单图像超分辨率 (SISR) 都至关重要。在本文中，我们研究了它们的组合，并提出了一种具有动态稀疏注意模式的新型非局部稀疏注意 (NLSA)。 NLSA 旨在保留 NL 操作的远程建模能力，同时享受稀疏表示的鲁棒性和高效性。具体来说，NLSA 使用球形局部敏感散列 (LSH) 来纠正非局部注意力，该散列将输入空间划分为相关特征的散列桶。对于每个查询信号，NLSA 为其分配一个桶，并且只计算桶内的注意力。由此产生的稀疏注意力可以防止模型关注嘈杂和信息较少的位置，同时将计算成本从空间大小的二次线性降低到渐近线性。大量实验验证了 NLSA 的有效性和效率。通过一些非局部稀疏注意模块，我们的架构称为非局部稀疏网络 (NLSN)，在数量和质量上都达到了 SISR 的最先进性能。
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
评论
沙发等你来抢