更快、更灵活的Transformer图像去雾网络

计算机视觉研究院专栏

Column of Computer Vision Institute

介绍了一种新的多支路线性Transformer网络，称为MB-TaylorFormer，能够有效且高效的进行图像去雾任务。

01

摘要

02

新框架

新框架：

Taylor Expanded Multi-head Self-Attention

03

实验

Main Results

上图给出了合成数据集与真实数据上的视觉效果对比，可以看到：MB-TaylorFormer不仅在阴影处更好的恢复了细节，同时也有效的避免了伪影和色偏。

03

Ablation Studies

Effectiveness of multi-scale attention refinement module

上表表明MSAR模块的设计能够以一种极轻量化的设计有效提升TaylorFormer的性能

Comparison with other linear self-attention modules

上表通过T-MSA和多种不同的线性Transformer的对比，证明了T-MSA在去雾任务上的有效性。