学习丰富的功能以进行真实图像还原和增强(ECCV 2020)
, , , , , 和
论文: :
补充文件:
视频演示: :
摘要:为了从降级版本中恢复高质量图像内容,图像恢复在监视,计算摄影,医学成像和遥感等领域拥有众多应用。 最近,卷积神经网络(CNN)与传统的图像恢复任务方法相比取得了巨大的进步。 现有的基于CNN的方法通常以全分辨率或渐进式低分辨率表示形式运行。 在前一种情况下,获得了空间精确但上下文上不那么健壮的结果,而在后一种情况下,生成了语义上可靠但空间上不太准确的输出。 在本文中,我们提出了一种新颖的体系结构,其总体目标是通过整个网络维护空间精确的高分辨率表示,并从低分辨率表示接收强大的上下文信息。 我们方法的核心是包含几个关键元素的多尺度残差块:(a)并行多分辨率卷积流,用于提取多尺度特征;(b)跨多分辨率流的信息交换;(c)空间和渠道关注机
1