Cross-Scale Non-Local Attention: 图像超分辨率中的自适应样本挖掘与详尽探索...

简介：
本文提出了一种新颖的跨尺度非局部注意力机制，用于图像超分辨率任务。通过自适应地挖掘和利用上下文信息，该方法能显著提升生成图像的质量和细节表现力。 该存储库适用于论文《影像超分辨率与跨尺度非本地关注及详尽的自我样本挖掘》，发表于CVPR2020。 本代码在配备Titan Xp、V100 GPU的Ubuntu 18.04环境（Python3.6，PyTorch_1.1.0）上进行了测试。 内容概要： 基于深度卷积网络的单图像超分辨率(SISR)模型可以从大规模外部图像资源中学习局部恢复技巧。然而，大多数现有研究忽略了自然图象中的远程特征相似性。最近的一些工作通过探索非本地关注模块成功地利用了这种内在特性相关性。但是目前没有任何深层模型探讨过图像跨尺度间的特征关联。 因此，在本段落中我们提出了首个跨尺度非本地(CS-NL)注意机制，并将其整合到了递归神经网络当中，该方法在强大的循环融合单元内结合新的CS-NL先验知识与局部及同尺度内的非局部分析。