澳门大学提出 CubeFormer: 一种简单但有效的轻量级图像超分辨基线 !

文章预览

轻量级图像超分辨率(SR)方法旨在使用轻量级神经网络提高图像分辨率并恢复图像细节。然而，当前的轻量级SR方法仍然存在性能不佳和不令人满意的细节问题。 作者的分析表明，这些方法受限于特征多样性不足，这直接影响了特征表示和细节恢复。为了应对这一问题，作者提出了一种简单而有效的 Baseline 方法——CubeFormer，旨在通过完整的信息聚合来增强特征丰富性。 具体而言，作者引入了立方体注意力机制，该机制将2D注意力扩展到3D空间，促进全面的信息互动，进一步鼓励全方位的信息提取，并促进特征多样性的增加。此外，作者还注入了块和网格采样策略以构建局部立方体变换块（Intra-CTB）和全局立方体变换块（Inter-CTB），分别执行局部建模和全局建模。 大量实验证明，作者的CubeFormer在常用SR基准测试中达到了最先进的性能。 1. Introduction ………………………………