基于高效ConvNet的图像去模糊再思考

图像去模糊旨在从模糊图像中恢复出潜在的清晰图像，在计算机视觉领域具有广泛的应用。多年来，卷积神经网络（CNN）在该任务中表现优异。然而，近年来一种新型网络架构——Transformer，展现出更强的性能。其优势可归因于多头自注意力（MHSA）机制，该机制相比CNN具有更大的感受野和更强的输入内容适应能力。然而，由于MHSA的计算开销随输入分辨率呈二次增长，使其在高分辨率图像去模糊任务中变得不切实际。本文提出了一种统一的轻量级CNN网络，具备较大的有效感受野（ERF），在保持更低计算成本的同时，性能可与Transformer相媲美，甚至更优。其核心设计是一种高效的CNN模块——LaKD，该模块结合了大核深度卷积与空间-通道混合结构，在实现与Transformer相当或更大的有效感受野的同时，参数量显著更小。具体而言，在聚焦模糊与运动模糊的基准数据集上，我们的方法相比当前最先进的Restormer模型，分别实现了+0.17dB和+0.43dB的PSNR提升，同时参数量减少32%，乘加操作（MACs）减少39%。大量实验验证了所提网络的优越性能，以及各模块的有效性。此外，我们提出了一种紧凑且直观的ERFMeter度量指标，能够定量刻画有效感受野，并与模型性能表现出高度相关性。我们希望本工作能激发研究社区进一步探索CNN与Transformer架构在图像去模糊之外更广泛任务中的优劣与潜力。