Learning Texture Transformer Network for Image Super-resolution 论文解读
发布时间
阅读量：
阅读量
论文地址为《https://arxiv.org/pdf/2006.04139.pdf》，项目地址则为《https://github.com/FuzhiYang/TTSR》
总述：本文旨在恢复图像超分辨率结果中的纹理细节。通过提出了一种基于TTSR（RefSR）的方法来实现这一目标。该方法整合了四个关键组件：可学习化的纹理提取网络、一个高效的关联嵌入机制、硬注意力机制用于纹理迁移以及软注意力机制辅助于纹理合成。此外，在多尺度特征融合策略的基础上构建了该模型架构设计框架，并通过跨尺度堆叠的方式实现了更为卓越的效果。
介绍
现如今，在图像超分领域中主要可分为两类：一类是单图像超分(SISR)，代表算法包括SRCNN、VDSR、RCAN等；另一类则是基于参考图像的超分方法(RefSR)。由于高分辨率图像在降质过程中会导致细节与纹理信息的损失，则传统单图像超分算法往往会带来模糊输出效果；为了尽可能地恢复更多的纹理细节，则有研究者开始尝试引入GANs技术（如SRGAN、ESRGAN等），然而这种引入对抗艺术（artifacts）的技术却难以完全规避。
还没有任何评论哟~