标签：Transformers ARXIV2204 Image DehazeFormer padding window 作者 图像 MHSA
1、研究动机
作者提出了 DehazeFormer 用于图像去雾，灵感来自Swin Transformer ，论文中有趣的地方在于 reflection padding 和 注意力的计算
2、主要方法
该方法框架如下图所示，是一个5阶段的UNET结构，卷积块被DehazeFormer block取代。
Reflection padding
在SWIN中，使用shfited window来实现窗口间信息的交互，但是作者认为这种操作对于图像边缘区域并不友好。对于分类任务来说，目标区域总是位于图像中间，因此使用 shift window是没有问题的，但是对于图像修复任务来说，边缘区域是同样重要的，这样的操作就不合适了。为此，作者提出了 reflection padding 操作，如下图所示。
输入图像尺寸是8x8，图中的 window 是 4x4 的，这样对于边缘区域复制2个patch，图像大小就成为12x12，这样就可以变成3x3=9个window。在这9个window里计算局部attention，计算结束后，把中间8x8的区域切出来即可。
作者也指出，这样的操作会引起计算和内存资源的消耗。
W-MHSA with parallel convolution
作者认为由于MHSA的聚集权重是动态的和归一化的，作者认为静态的、可学习的和无约束的聚集权重有助于补充MHSA。因此作者对V进行了额外的卷积。在论文的整体架构图中也能看到 V后面一个卷积层，与 attention 的计算结果做加法。
实验部分可以参照作者论文，这里不过多介绍。
标签：Transformers,ARXIV2204,Image,DehazeFormer,padding,window,作者,图像,MHSA 来源： https://www.cnblogs.com/gaopursuit/p/16270052.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。