चित्र पुनर्स्थापन के लिए पिरामिड ध्यान नेटवर्क

संक्षेप आत्म-समानता उस छवि पूर्वधारणा को संदर्भित करती है जो छवि पुनर्स्थापन एल्गोरिदम में व्यापक रूप से उपयोग की जाती है कि छोटे लेकिन समान पैटर्न विभिन्न स्थानों और पैमानों पर होने की प्रवृत्ति रखते हैं। हालाँकि, हाल के उन्नत गहरे गतिशील तंत्रिका नेटवर्क-आधारित विधियाँ छवि पुनर्स्थापन के लिए आत्म-समानताओं का पूर्ण लाभ नहीं उठाती हैं क्योंकि वे केवल एक ही पैमाने पर जानकारी की प्रोसेसिंग करने वाले आत्म-ध्यान तंत्रिका मॉड्यूल पर निर्भर करती हैं। इस समस्या को हल करने के लिए, हम छवि पुनर्स्थापन के लिए एक नवीन पिरामिड ध्यान मॉड्यूल प्रस्तुत करते हैं, जो एक बहु-स्तरीय विशेषता पिरामिड से लंबे दूरी की विशेषता समन्वय को पकड़ता है। इस तथ्य से प्रेरित होकर कि विकृतियाँ, जैसे कि शोर या संकुचन कलाकृतियाँ, मोटे चित्र पैमानों पर नाटकीय रूप से गिर जाती हैं, हमारा ध्यान मॉड्यूल मोटे स्तरों पर उनके "स्वच्छ" समन्वय से स्वच्छ संकेत उधार लेने में सक्षम होने के लिए डिज़ाइन किया गया है। प्रस्तावित पिरामिड ध्यान मॉड्यूल एक सामान्य निर्माण खंड है जिसे विभिन्न तंत्रिका आर्किटेक्चर में लचीले ढंग से एकीकृत किया जा सकता है। इसकी प्रभावशीलता को कई छवि पुनर्स्थापन कार्यों पर व्यापक प्रयोगों के द्वारा सत्यापित किया गया है: चित्र शोर कम करना, डेमोसाइसींग, संकुचन कलाकृति कमी, और सुपर रिज़ोल्यूशन। बिना किसी अतिरिक्त चीज़ों के, हमारा PANet (सरल नेटवर्क बैकबोन के साथ पिरामिड ध्यान मॉड्यूल) सर्वोत्तम सटीकता और दृश्य गुणवत्ता के साथ अत्याधुनिक परिणाम उत्पन्न कर सकता है। हमारा कोड उपलब्ध है https://github.com/SHI-Labs/Pyramid-Attention-Networks