双频感知网络(DFAN)：一种轻量级超分辨率重建的创新方法

本文提出了一种结合Transformer与CNN优势的双频感知网络(DFAN)，通过设计低频注意力模块(LFA)、高频整合模块(HFI)和门控边缘增强机制(GEEM)，在保持轻量级参数的同时显著提升单图像超分辨率(SISR)性能。该研究为移动设备等资源受限场景提供了高效的超分辨率解决方案。

　　

Highlight

• 我们设计了一个轻量级SISR双频感知网络(DFAN)，结合Transformer和CNN优势，以轻量级参数显著提升超分辨率效果

• 开发了双频融合单元(DFFU)，整合低频注意力块(LFA)和高频整合块(HFI)，在保持网络深度可控的同时限制参数规模

• 创新性提出门控边缘增强机制(GEEM)，通过降分辨率操作增强图像边缘信息，该机制位于Transformer块之后、上采样操作之前

• 实验证明DFAN具有竞争优势，如图1所示，消融研究验证了各模块的贡献

Method

本节提出用于轻量级超分辨率的双频感知网络(DFAN)。首先展示DFAN的整体架构，随后详细描述其主干网络、双频融合单元(DFFU)和门控边缘增强机制(GEEM)。

Experiments

本节首先说明实验设置，包括数据集、评估指标和训练参数。然后将DFAN与先进方法在标准测试集上对比，最后进行消融研究。

Conclusion

本文提出的轻量级SISR双频感知网络(DFAN)包含三个创新模块：低频注意力块(LFA)、高频整合块(HFI)和门控边缘增强机制(GEEM)。空间与高频信息相互增强，通道与低频信息相互促进。通过前馈神经网络和门控机制构建的边缘增强模块，在保持轻量化的同时取得了优异的超分辨率性能。