跨尺度非局部注意和穷举自样本挖掘的图像超分辨率 该存储库适用于以下论文中介绍的CSNLN ,,,,,和,“影像超分辨率与跨尺度非本地关注和详尽的自我模范矿业”,CVPR2020, 该代码基于构建,并在带有Titan / Xp,V100 GPU的Ubuntu 18.04环境(Python3.6,PyTorch_1.1.0)上进行了测试。 内容 介绍 基于深度卷积的单图像超分辨率(SISR)网络具有从大规模外部图像资源中进行局部恢复学习的好处,但大多数现有工作都忽略了自然图像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征相关性。但是,当前的任何深层模型都没有研究图像的另一种固有特性:跨尺度特征相关性。在本文中,我们提出了第一个跨尺度非本地(CS-NL)注意模块,该模块集成到递归神经网络中。通过在功能强大的循环融合单元中将新的CS-NL先验与局部和尺度内非局部