CAT:用于图像恢复的跨聚合Transformer

Ray

CAT

CAT:用于图像恢复的跨聚合Transformer

近年来,Transformer架构被引入图像恢复领域并取得了惊人的效果。考虑到全局注意力的高计算复杂度,一些方法使用局部方形窗口来限制自注意力的范围。然而,这些方法缺乏不同窗口之间的直接交互,限制了建立长距离依赖关系的能力。为解决上述问题,研究人员提出了一种新的图像恢复模型 - 跨聚合Transformer(CAT)。

CAT的核心创新

CAT的核心是矩形窗口自注意力(Rwin-SA)机制。它在不同的头部并行使用水平和垂直矩形窗口注意力来扩大注意力区域,并跨不同窗口聚合特征。研究人员还引入了轴向移位操作,用于不同窗口之间的交互。此外,他们提出了局部互补模块来补充自注意力机制,将CNN的归纳偏置(如平移不变性和局部性)整合到Transformer中,实现全局-局部耦合。

优异的实验结果

大量实验表明,CAT在多个图像恢复应用中的性能优于最新的方法:

  • 在图像超分辨率任务中,CAT-A模型在Urban100数据集上的PSNR达到27.89dB,SSIM达到0.8339。
  • 在JPEG压缩伪影减少任务中,CAT模型在LIVE1数据集上的PSNR达到29.89dB,SSIM达到0.8295。
  • 在真实图像去噪任务中,CAT模型在SIDD数据集上的PSNR达到40.01dB,SSIM达到0.9600。

这些结果都优于现有最先进的方法。

CAT的主要特点

  1. 创新的矩形窗口自注意力机制,扩大了注意力区域。

  2. 轴向移位操作,实现了不同窗口之间的交互。

  3. 局部互补模块,将CNN的归纳偏置整合到Transformer中。

  4. 在多种图像恢复任务中都取得了最先进的性能。

  5. 代码开源,便于其他研究者复现和改进。

CAT的潜在应用

CAT在图像超分辨率、JPEG压缩伪影减少和真实图像去噪等任务中展现出优异性能,这使得它在多个领域具有广阔的应用前景:

  1. 医学影像:提高医学图像的质量,辅助诊断。

  2. 安防监控:提升监控视频的清晰度。

  3. 遥感影像:改善卫星和航拍图像的细节。

  4. 数字内容创作:提升老旧影像的质量。

  5. 手机摄影:改善低光环境下的拍摄效果。

总结

CAT通过创新的矩形窗口自注意力机制和局部互补模块,在多种图像恢复任务中实现了最先进的性能。它不仅推动了图像恢复技术的发展,也为Transformer在计算机视觉领域的应用开辟了新的方向。未来,CAT有望在医疗、安防、遥感等多个领域发挥重要作用,为提升图像质量和视觉体验做出贡献。

随着深度学习和计算机视觉技术的不断进步,我们可以期待看到CAT在更多领域的应用,以及在其基础上发展出的更加强大的图像恢复模型。研究者们也将继续探索如何进一步提升模型的性能和效率,为实际应用提供更好的解决方案。

avatar
0
0
0
相关项目
Project Cover

InstructIR

InstructIR项目利用人类书写的自然语言指令,引导神经模型进行全能型图像修复。该模型在图像去噪、去雨、去模糊、去雾和提升低光图像等多个任务上实现了最新成果,并在多个基准测试中比现有方法提升了+1dB,树立了文本引导图像修复与增强的新标准。

Project Cover

comfyui-inpaint-nodes

ComfyUI Inpaint Nodes项目提供先进的图像补绘功能,支持Fooocus inpaint、LaMa和MAT等多模型。项目包含多个用于inpaint和outpaint区域预填充的节点工具,如扩展和填充掩码、模糊处理等,以确保平滑的过渡。还包括后处理节点,如去噪和合成掩码,并附有详细的示例工作流和安装指南。

Project Cover

NAFNet

NAFNet是一种无需非线性激活函数的图像修复网络,通过简单的基线超过现有SOTA方法并显著降低计算成本。在GoPro数据集上,该网络的图像去模糊性能达到33.69 dB PSNR,在SIDD数据集上的图像去噪性能为40.30 dB PSNR,均显著超越前代SOTA性能。NAFNet适用于图像去噪、去模糊和立体图像超分辨率等任务。

Project Cover

watermark-removal

这个开源项目利用机器学习的图像修复技术来去除图像中的水印,使结果与原始图像几乎没有区别。项目受到Contextual Attention和Gated Convolution研究的启发,并采用Tensorflow 1.15.0和neuralgym工具包。用户可以通过Google Colab轻松运行项目,按照提供的详细操作步骤和下载链接来清除图像水印。

Project Cover

edge-connect

EdgeConnect是一种新的图像修复方法,通过生成对抗网络模型提高细节再现。该方法包含两个步骤:首先生成图像中缺失区域的边缘,然后根据生成的边缘信息填补图像。此方法适用于Places2、CelebA及Paris Street-View等数据集。EdgeConnect引入新的边缘生成和图像补全技术,使修复结果更为真实自然。该项目基于Python和PyTorch实现,支持CUDA加速,提供完整的训练、测试和评估指南,并且免费提供预训练模型下载使用。

Project Cover

PowerPaint

PowerPaint是一个高质量多功能图像修复模型,支持文本引导的目标修复、目标移除、形状引导的目标插入和图像外扩等任务。通过针对不同修复任务设计的特定提示来实现精确效果。最新版本PowerPaint v2-1已经开源,修正了训练过程中的一些问题。用户可以通过Gradio界面进行对象修复和扩展,并兼容ControlNet。

Project Cover

Infusion

InFusion项目提出了一种创新的3D场景修复方法,通过学习扩散先验的深度完成来修复3D高斯体。该技术实现了对不完整3D场景的高质量修复,能够处理复杂的遮挡情况。InFusion为3D重建和虚拟现实等领域提供了新的解决方案,项目开源了推理代码和预训练模型,为相关研究和开发提供了重要资源。

Project Cover

BrushNet

BrushNet是一种新型图像修复模型,采用双分支扩散结构,可集成到预训练扩散模型中。通过分离遮罩图像特征和噪声潜在表示,并对预训练模型实施像素级控制,提高了图像修复效果。该模型适用于通用场景和特定应用,为图像编辑和生成提供了新的解决方案。

Project Cover

lama

LaMa 使用傅立叶卷积技术,提供高效的图像修复服务,尤其擅长处理大尺寸遮罩和周期性结构的修复。项目支持多种格式和分辨率,适应各类复杂场景。通过多平台融合,开放源代码和在线体验,LaMa 旨在推动图像处理技术的创新和应用。

最新项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号