admin管理员组文章数量:1130349
论文地址：https://arxiv/pdf/2108.05054.pdfhttps://arxiv/pdf/2108.05054.pdf
代码地址：https://github/chosj95/MIMO-UNethttps://github/chosj95/MIMO-UNet
粗到精细的策略已被广泛应用于单个图像去模糊网络的体系结构设计。传统的方法通常将子网络与多尺度输入图像叠加，逐步提高图像从底层子网到顶层子网的清晰度，不可避免地产生较高的计算成本。为了实现快速和准确的去模糊网络设计，重新考虑了粗到细的策略，并提出了一个多输入多输出unet网(MIMO-UNet)。
MIMO-UNet有三个不同的特性。
首先，MIMO-UNet的单个编码器采用多尺度的输入图像来减轻训练的难度。
其次，MIMO-UNet的单个解码器输出多个不同尺度的去模糊图像，使用单个u形网络模拟多级联u型网络。
最后，引入非对称特征融合，有效地合并多尺度特征。
图2 粗到细去模糊网络的对比。
在本文中，作者重新讨论了从粗到细的方案，并提出了一种新的去模糊网络，称为多输入多输出UNet(MIMO-UNet)，它可以处理低计算复杂度的多尺度模糊。所提出的MIMOUNet是一个单一基于编码器-解码器的u型网络，具有三个不同的特征。（与上文介绍基本相同）
首先，MIMO-UNet的单个解码器输出多个去模糊图像，因此将解码器命名为多输出单个解码器(MOSD)。MOSD虽然简单，但可以模拟传统的由堆叠子网络组成的网络架构，并引导解码器层以coarse-to-fine 的方式逐步恢复潜在的清晰图像。
其次，MIMO-UNet的单个编码器采用多尺度的输入图像；因此，编码器被称为多输入单个编码器(MISE)。
最后，引入了非对称特征融合(AFF)，有效地合并了多尺度特征。AFF采用不同尺度的特征，合并跨编码器和解码器的多尺度信息流，以提高去模糊性能。
Proposed method
所提出的方法如图3所示，MIMO-UNet的编码器和解码器由三个编码器块(EB)和解码器块(DB)组成。
Multi-input single encoder
已经证明，从多尺度图像可以更好地处理图像中不同层次的模糊 。在MIMO-UNet中，不是子网络，而是EB以不同尺度
论文地址：https://arxiv/pdf/2108.05054.pdfhttps://arxiv/pdf/2108.05054.pdf
代码地址：https://github/chosj95/MIMO-UNethttps://github/chosj95/MIMO-UNet
粗到精细的策略已被广泛应用于单个图像去模糊网络的体系结构设计。传统的方法通常将子网络与多尺度输入图像叠加，逐步提高图像从底层子网到顶层子网的清晰度，不可避免地产生较高的计算成本。为了实现快速和准确的去模糊网络设计，重新考虑了粗到细的策略，并提出了一个多输入多输出unet网(MIMO-UNet)。
MIMO-UNet有三个不同的特性。
首先，MIMO-UNet的单个编码器采用多尺度的输入图像来减轻训练的难度。
其次，MIMO-UNet的单个解码器输出多个不同尺度的去模糊图像，使用单个u形网络模拟多级联u型网络。
最后，引入非对称特征融合，有效地合并多尺度特征。
图2 粗到细去模糊网络的对比。
在本文中，作者重新讨论了从粗到细的方案，并提出了一种新的去模糊网络，称为多输入多输出UNet(MIMO-UNet)，它可以处理低计算复杂度的多尺度模糊。所提出的MIMOUNet是一个单一基于编码器-解码器的u型网络，具有三个不同的特征。（与上文介绍基本相同）
首先，MIMO-UNet的单个解码器输出多个去模糊图像，因此将解码器命名为多输出单个解码器(MOSD)。MOSD虽然简单，但可以模拟传统的由堆叠子网络组成的网络架构，并引导解码器层以coarse-to-fine 的方式逐步恢复潜在的清晰图像。
其次，MIMO-UNet的单个编码器采用多尺度的输入图像；因此，编码器被称为多输入单个编码器(MISE)。
最后，引入了非对称特征融合(AFF)，有效地合并了多尺度特征。AFF采用不同尺度的特征，合并跨编码器和解码器的多尺度信息流，以提高去模糊性能。
Proposed method
所提出的方法如图3所示，MIMO-UNet的编码器和解码器由三个编码器块(EB)和解码器块(DB)组成。
Multi-input single encoder
已经证明，从多尺度图像可以更好地处理图像中不同层次的模糊 。在MIMO-UNet中，不是子网络，而是EB以不同尺度
本文标签： 图像模糊CoarseRethinkingFine
版权声明：本文标题：【图像去模糊】Rethinking Coarse-to-Fine Approach in Single Image Deblurring 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://it.en369.cn/jiaocheng/1763632170a2949780.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论