用于图像修复的高效且显式图像层次建模

本文旨在提出一种高效且显式建模图像在全局、区域与局部层级结构的机制，以实现图像恢复。为此，我们首先分析自然图像的两个重要特性：跨尺度相似性与各向异性图像特征。受此启发，我们提出了“锚定条带自注意力”（anchored stripe self-attention）机制，该机制在自注意力的空间与时间复杂度之间取得了良好平衡，同时具备超越区域范围的建模能力。随后，我们设计了一种名为GRL的新网络架构，通过结合锚定条带自注意力、窗口自注意力以及增强型通道注意力卷积，显式地在全局、区域与局部三个尺度上建模图像层次结构。最后，所提出的网络被应用于七种不同的图像恢复任务，涵盖真实与合成两种场景。实验结果表明，该方法在其中多项任务上达到了新的最先进水平（state-of-the-art）。相关代码将开源，地址为：https://github.com/ofsoundof/GRL-Image-Restoration.git。