画像デブラーのためのデュアルドメインアテンション

長年の課題である画像デブラーは、劣化した画像から潜在的な鮮明画像を再構築することを目的としています。本研究では、空間領域と周波数領域の劣化/鮮明画像ペア間のギャップを同時に埋めるために、画像デブラーのためのデュアルドメインアテンションメカニズムを開発しました。自己アテンションは視覚タスクで広く使用されていますが、二次的な複雑さのために、高解像度画像を使用した画像デブラーには適用できません。この問題を軽減するために、地元の領域からの情報を統合するために、動的グループ畳み込みのスタイルで自己アテンションを実装した新しい空間アテンションモジュールを提案します。これにより、表現学習能力が向上し、計算負担が軽減されます。周波数領域学習に関しては、多くの周波数ベースのデブラーアプローチがスペクトルを全体として扱うか、複雑な方法で周波数成分を分解します。本研究では、スペクトルを明確に異なる周波数部分にコンパクトに分離し、非常に軽量の学習可能なパラメータで情報部分を強調する周波数アテンションモジュールを考案しました。最後に、アテンションモジュールをU字型ネットワークに統合します。一般的なベンチマークにおいて以前の研究との幅広い比較により、私たちのモデルであるデュアルドメインアテンションネットワーク（DDANet）は、有意に向上した推論速度で同等の結果を得ることが示されました。