A Comparative Study of Image Restoration Networks for General Backbone Network Design

要約

さまざまな画像復元タスクにおいてディープ モデルによって大きな進歩が見られたにもかかわらず、既存の画像復元ネットワークはタスクの汎用性の点で依然として課題に直面しています。
直感的にわかるのは、特定のタスクでは優れたネットワークであっても、他のタスクでは満足のいく結果が得られないことがよくあるということです。
この点を説明するために、5 つの代表的な画像復元ネットワークを選択し、5 つの古典的な画像復元タスクについて比較研究を行います。
まず、さまざまな画像復元タスクとバックボーン ネットワークの特性について詳しく説明します。
これに続いて、ベンチマーク結果を提示し、さまざまなタスクにわたるさまざまなモデルのパフォーマンスの差異の背後にある理由を分析します。
この比較研究から、一般的な画像復元バックボーン ネットワークはさまざまなタスクの機能要件を満たす必要があると提案します。
この原理に基づいて、新しい汎用画像復元バックボーン ネットワーク X-Restormer を設計します。
広範な実験により、X-Restormer が優れたタスク汎用性を備え、さまざまなタスクにわたって最先端のパフォーマンスを達成することが実証されました。

要約(オリジナル)

Despite the significant progress made by deep models in various image restoration tasks, existing image restoration networks still face challenges in terms of task generality. An intuitive manifestation is that networks which excel in certain tasks often fail to deliver satisfactory results in others. To illustrate this point, we select five representative image restoration networks and conduct a comparative study on five classic image restoration tasks. First, we provide a detailed explanation of the characteristics of different image restoration tasks and backbone networks. Following this, we present the benchmark results and analyze the reasons behind the performance disparity of different models across various tasks. Drawing from this comparative study, we propose that a general image restoration backbone network needs to meet the functional requirements of diverse tasks. Based on this principle, we design a new general image restoration backbone network, X-Restormer. Extensive experiments demonstrate that X-Restormer possesses good task generality and achieves state-of-the-art performance across a variety of tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google