AMSA-UNet | 基于自注意力的多尺度 U-Net 提升图像去模糊性能 ！

文章预览

传统的单尺度U-Net在去模糊过程中常常会导致空间信息的丢失，这影响了去模糊的准确性。此外，由于卷积方法在捕捉长距离依赖方面的局限性，恢复图像的质量下降。 为了解决上述问题，提出了一种基于自注意力的非对称多尺度U-Net（AMSA-UNet）来提高去模糊方法在准确性和计算复杂度方面的性能。通过引入多尺度U形结构，网络可以在全局层面关注模糊区域，并在局部层面更好地恢复图像细节。 为了克服传统卷积方法在捕捉信息长距离依赖方面的限制，在主干网络的解码器部分引入了自注意力机制，这显著增加了模型的感受野，使模型能够更多地关注图像的语义信息，从而产生更准确、视觉上更令人满意的去模糊图像。 更重要的是，引入了一种基于频域的计算方法来减少计算量。实验结果表明，与八种优秀的方法相比，所提出的方法在准确性和 ………………………………