钟屿
Restormer: Efficient Transformer for High-Resolution Image Restoration 论文阅读
由于卷积神经网络（CNN）在从大规模数据中学习可泛化的图像先验方面表现出色，这些模型已被广泛应用于图像恢复及相关任务。最近，另一类神经架构——Transformer，在自然语言处理和高层视觉任务上展现出显著的性能提升。虽然Transformer模型缓解了CNN的缺点（即有限的感受野和对输入内容的不适应性），但其计算复杂度随空间分辨率呈二次方增长，因此难以应用于大多数涉及高分辨率图像的图像恢复任务。本工作中，我们通过在核心构建模块（多头注意力和前馈网络）中引入几个关键设计，提出了一种高效的Transforme
作者推荐
- 等风来不如迎风去
- AI领域初学者，AI+实时语音，AI+2/3D动画生成；AI+UE表演,AI+游戏NPC；音视频行业深耕多年，熟悉会议、直播、RTC，对在线教育、娱乐秀场等音视频端到端技术及系统架构有深入研究
关注
