SwinIR_Image Restoration Using Swin Transformer论文阅读分享

论文连接：https://arxiv.org/abs/2108.10257

Abstract

本篇文章的图像修复指的是从低质量图片恢复到高质量图片（例如超分，去噪，解压缩图片），目前主流先进的图像修复任务都是基于卷积做的，很少有人尝试用transformer做高性能的高级视觉任务。而本篇文章主要就是基于Swin_transformer做的，本方法命名为SwinIR。该方法包含三个部分：浅层特征提取器、深层特征提取器、高质量图像重建模块，针对不同的图像修任务，图像重建模块略有不同。特别的是，深层特征提取器是基于Swin_transformer做的。

Introduction

? 目前卷积网络是图像修复的主流，大部分的卷积网络关注精心的网络架构设计和密集连接。尽管这些方法与传统的图像修复算法相比，提升了很多，但是通常都有两个源自卷积本身的问题：1.首先，图像与卷积核之间的交互是内容上独立的，使用相同的卷积核去图像不同区域的可能不是最好的选择。2.卷积的局部处理原则对于建立长距离依赖的建模不是非常有效的。

? 而相较于卷积，transformer设计的self-attention机制能够捕获内容上的全局交互，在视觉任务上展现出非常大的潜力。但是tansformer直接用在视觉任务上也会造成一些问题，需要进行改进…

? 而最近Swin_transformer展示出了很大的潜力，因为它整合了卷积和tansformer的优势。本文正是基于Swin_transformer提出了本文的图像修复算法。

Method

本文的架构包含三个部分：浅层特征提取、深层特征提取、图像重建模块。

3.1浅层特征提取

浅层特征提取模块采用卷积实现，给定一个低质量的图片LQ,LQ $\in R^{H,W,C_{in}}$,然后采用卷积模块$H_{SF}(.)$去提取浅层特征$F_0\in R^{H,W,C}$
$$F_0=H_{SF}(I_{LQ})$$
卷积层很擅长用于早期的图像处理，提供了更好的方法将图像的空间映射到更高维的特征空间。

3.2深层特征提取

利用得到的浅层特征F0,对F0进行深层特征建模。深层特征提取模块包含k个residual Swin Transformer blocks(RSTB)和一个3x3的卷积层。
$$F_i=H_{RST{B}_i},i=1,2,3,...K,F_{DF}=H_{CONV}(F_K)$$
对于每个RST blocks模块都是一个SwinTransformer layers 和一个卷积层。首先用这些block提取中间层特征$F_{i,1}，F_{i,2},F_{i,3},..,F_{i,L}$
$$F_{i,j}=HST{L}_{i,j},j=1,2,3,...,L$$
这里的$H_{ST{L}_{i,j}}(.)$是第i个RSTB中的第j层的Swin Transformer layer。

3.3图像重建模块

针对不同的修复任务，在整个网络架构的结尾部分的重建模块需要进行调整。

超分任务

为了获得高质量的的图片$I_{RHQ}$是通过聚合浅层特征和深层特征
$$I_{RHQ}=H_{REC}(F_0+F_{DF})$$
这里的$H_{REC}(.)$是重建模块，浅层特征主要包含低频信息，而深层特征专注于恢复丢失的高频信息，通过长距离的跳跃连接，SwinIR可以将低频信息直接传给重建模块，这样就能是的深层提取器更加专注于高频信息和稳定训练。对于超分任务，本文使用sub-pixel convolution layer 去上采样特征图。损失函数采用L1 pixel loss.
$$loss=||I_{RHQ}?I_{HQ}|{|}_1$$
本文只用最原始的l1损失来证明所提出网络的有效性，对于实际应用时可以联合使用 pexel l1损失、GAN loss and 感知损失来提升视觉质量。

总结：

这篇论文尝试将Swin_transformer用在了图像修复领域，方法上没有很大的创新，主要是将Swin_transformer在底层视觉任务上进行应用了。并取得了非常好的实验效果。

参考文献

SwinIR: Image Restoration Using Swin Transformer

Jingyun Liang, Jiezhang Cao, Guolei Sun, Kai Zhang, Luc Van Gool, Radu Timofte

Timofte](https://arxiv.org/search/eess?searchtype=author&query=Timofte%2C+R)