代码

Swinir: Image restoration using swin transformer

摘要：图像恢复是低水平视觉问题。目前大多图像恢复方法都是基于cnn，至于在高级视觉任务领域大放光彩的Transformer却很少使用。所以本文主要是基于Swin transformer建立了一个基准模型。这个模型包含三个部分：浅层特征提取、深层特征提取、图像重建。特别是，深度特征提取模块由几个残差Swin transformer模块（RSTB）组成，每个块都有几个Swin transformer层和一个残差连接。作者在三个代表性任务上进行了实验：图像超分辨率（包括经典、轻量级和真实世界的图像超分辨率）、图像去噪（包括灰度和彩色图像去噪）和JPEG压缩伪影减少。实验结果表明，SwinIR在不同任务上的性能优于最先进的方法，最高可达0.14∼0.45dB，而参数总数最多可减少67%。

引言

大多数基于CNN的方法侧重于精细的架构设计，例如残差学习[43，51]和密集连接[97，81

相关链接

评论可见，请评论后查看内容，谢谢！！！
 您阅读本篇文章共花了：