Single Image Super-Resolution using Efficient Dual Attention Transformer

초록

최근 이미지 초해상화 분야에서 window 기반의 self-attention을 활용한 접근법들이 뛰어난 성능을 달성하고 있다. 그러나 local-window self-attention을 사용하는 대부분의 방법은 공간 차원만을 따라서 attention을 수행하고 있으며, 전역적인 정보를 효율적으로 추출하는 것은 여전히 어려운 과제로 남아있다. 이러한 문제를 해결하기 위해 본 논문에서는 두 가지 관점에서 feature를 추출하고 global attention을 효율적으로 수행할 수 있는 효율적인 듀얼 어텐션 트랜스포머 (EDAT)를 제안한다. EDAT는 두 가지 attention block을 사용하여 두 가지 측면에서의 dual attention을 가능하게 한다. 5개의 초해상화 벤치마크 데이터셋에 대해 실험을 수행하여 제안하는 EDAT가 유사한 크기를 가진 다른 모델들보다 더 적은 계산으로 우수한 성능을 달성함을 입증한다.

키워드