图像超分多尺度注意网络MAN开源：大核分解与注意力机制的巧妙结合

点击下方名片，关注我们，持续学习。

前言该工作提出了一种基于 CNN 的多尺度注意力网络 (MAN)，它由多尺度大核注意力 (MLKA) 和门控空间注意力单元 (GSAU) 组成
【技术文档】《从零搭建pytorch模型教程》122页PDF下载
QQ交流群：444129970。群内有大佬负责解答大家的日常学习、科研、代码问题，群文件里也有很多计算机视觉入门的电子版资料，想要领取的朋友请加群自行下载。

论文链接：https://arxiv.org/abs/2209.14145

代码地址：https://github.com/icandle/MAN

写在前面

本文基于大核分解和注意机制，提出应用于图像超分的多尺度注意网络MAN。通过可解释的门控空间注意单元来汇总上下文信息，利用多尺度大核注意模块获得丰富注意特征图，并聚合局部-全局信息。本文方法与现有流行方法进行了详细的实验对比，获得了竞争性的对比结果。

问题引入和Motivation简述

图像超分旨在从低分辨率输入重建高分辨输出。然而基于CNN的方法要么通过更大数据集来提高性能，要么引入了更复杂的网络设计，这些无疑都增加了计算成本消耗。

还记得今年2月份出炉的那篇VAN吗，VAN通过详细实验证明了大核的卷积可以被有效分解为三种卷积的组合，分别为：深度卷积、含膨胀的深度卷积、逐点卷积。这里给出VAN的分解示意图：

VAN的作者在文末提到，未来对VAN的改进可能包含多分支或多尺度设计的应用。在本文中，作者等人在图像超分任务中对VAN进行可行性考察，发现了一个很重要的问题：VAN的分解过程中，含膨胀的深度卷积会为超分任务带来“块状伪影（blocking artifacts）”。在损害性能的同时，固定的核大小无法充分局部-全局特征。

综上，作者将多尺度机制与大核注意机制结合来解决上述问题，并采用门控机制校准注意图，避免含膨胀的深度卷积带来的块状伪影。

可行性解释与方法剖析

如图3，作者将所提出的方法称为MAN，共有三种不同颜色的组件：浅层特征提取模块SF（最左侧白色）、深层特征提取模块DF（中间灰色的MAB）、图像重建模块（最右侧）。不难看出MAN的整体框架较简单，核大小为3×3的卷积被用在SF和DF模块，其中级联的MAB用于生成待融合的高频特征，并通过与浅层特征残差连接，生成最终的待恢复特征。整体优化使用了如下常用损失：

作为本文的核心模块，MAB借鉴了MetaFormer的设计风格，由多尺度大核注意（MLKA）模块和门空间注意单元（GSAU）两个组件构成。输入特征顺次经过层归一化、MLKA、GSAU，并添加残差连接保证跨层信息传播。

MLKA详细剖析

如下图所示，MLKA将多尺度思想应用于注意机制，在一定程度上抑制噪声的同时，使注意图拥有了局部-全局信息的依赖。

灰色的PWConv模块代表逐点卷积，用于调整维度，以便后续的逐元素乘法、残差连接等操作。

LKA是MLKA的基础特征提取组件，即图4中绿色、紫色、灰色级联的模块。设定大核尺寸为，由VAN论文提出的理论，大核被分解为：的深度卷积、的含膨胀深度卷积（膨胀率为）、逐点卷积。

为使LKA拥有更丰富的多尺度信息，引入逐组的多尺度机制。如图4的第一个分支，输入特征在经过逐点卷积调整维度后，被均匀的沿通道方向切分为n个组，每个组都应用了不同尺寸的大核分解。在本文中，作者将n设置为3，即使用了三种不同尺寸（7×7、21×21、35×35）的大核进行分解，设置膨胀率分别为{2，3，4}。

尽管此时特征已经获得了局部-全局的解释，但使用深度膨胀卷积带来的“块状伪影”问题不得不重视。因此在分组后，引入门控聚合来动态调整LKA的输出。即图4中最上面的DWConv，在对应组中，与下方深度卷积使用的核尺寸一致，并将该卷积的输出与对应组中LKA的输出做逐元素乘法。作者将这一操作称为门控聚合，在图5的可视化结果中可以明显看到，添加门控聚合后，块状伪影被移除（最下面一行的三幅图像更明显一点），MLKA的结果更为合理。