[CVPR 2022 | 论文简读] 高分辨率图像复原的Transformer

简读分享 | 汪逢生 编辑 | 乔剑博

论文题目

Restormer: Efficient Transformer for High-Resolution Image Restoration

论文摘要

通过MHSA与FFN进行改进，本文提出一种高效Transformer，它可以捕获长距离像素相关性，同时可适用于大尺寸图像。所提方案Restormer (Restoration Transformer)在多个图像复原任务上取得了SOTA性能，包含图像去雨、图像去运动模糊、图像去散焦模糊以及图像降噪(包含合成与真实噪声)。本文主要贡献包含以下几点：提出了一种编解码Transformer用于高分辨率图像上多尺度local-global表达学习，且无需进行局部窗口拆分； 提出一种MDTA(Multi-Dconv head Transposed Attention)模块，它有助于进行局部与非局部相关特征聚合，可以高效的进行高分辨率图像处理； 提出一种GDFN(Gated-Dconv Feed-forward Network)模块，它可以执行可控特征变换，即抑制low-level信息特征，仅保留有用信息。

论文链接

https://arxiv.org/abs/2111.09881