论文阅读笔记:DRCT: Saving Image Super-Resolution away from Information Bottleneck-3 方法

时间:2024-11-07 13:34:03

在这里插入图片描述

DRCT包括3个不同的组成部分:浅层特征提取、深层特征提取和图像重建模块。

对于低分辨率输入 I L R ∈ R H × W × C i n I_{LR}∈R^{H×W×C_{in}} ILRRH×W×Cin,先使用 3×3 的卷积层 C o n v ( ⋅ ) Conv(·) Conv() 来提取渐层特征 F 0 ∈ R H × W × C F_0∈R^{H×W×C} F0RH×W×C
在这里插入图片描述

然后从 F 0 F_0 F0 中提取包含高频空间信息的深度特征 F D F ∈ R H × W × C F_{DF}∈R^{H×W×C} FDFRH×W×C
在这里插入图片描述

其中 H D F ( ⋅ ) H_{DF} ( · ) HDF() 是深度特征提取模块,包含 K K K 个残差深度特征提取组( RDG )和用于特征转换的单卷积层 C o n v ( ⋅ ) Conv ( · ) Conv()。具体来说,中间特征 F 1 , F 2 , . . . , F K F_1,F_2,...,F_K F1F2...FK 和输出的深度特征 F D F F_{DF} FDF 是逐块提取的:
在这里插入图片描述

最后通过聚合浅层和深层特征来重建SR图像 I S R ∈ R H × W × C i n I_{SR}∈R^{H×W×C_{in}} ISRRH×W×Cin
在这里插入图片描述

其中 H r e c ( ⋅ ) H_{rec} ( · ) Hrec() 是重构的函数,用于融合高频深度特征 F D F F_{DF} FDF 和低频特征 F 0 F_0 F0 以获得SR结果。