[人工智能]（cvpr2020）Learning texture transformer network for image super-resolution论文阅读

Learning texture transformer network for image super-resolution

TTSR

该模型可以有效的从参考图像中搜索纹理信息，最大化的利用参考图像的纹理信息，并且迁移到超分辨率的结果当中。

摘要：SR是从低分辨图像中恢复真实纹理。最近的一些方法通过将高分辨率图像作为参考图像，以至于一些相关纹理可以被传递到低分辨率图像。但是一些方法忽略了注意力机制，从参考图像转移高分辨率纹理。在这篇论文里，作者提出了TTSR网络，其中LR和参考图像分别表示Transformer中的查询和键。TTSR中包含四个部分，包含了一个可学习纹理提取器、相关性嵌入模块、用于纹理传输的硬注意模块、用于纹理合成的软注意模块。这样的设计鼓励跨LR和参考图像联合特征学习，其中深层特征可以通过注意力机制发现，因此可以很好的传递纹理特征。所提出的网络可以以跨尺度方式进行堆叠。

引言

图像超分通常分为两类，一是单图像超分辨率重建（SISR），二是基于参考的图像

了解本专栏 订阅专栏 解锁全文 超级会员免费看