递归泛化 Transformer 用于图像超分辨率

Zheng Chen、Yulun Zhang、Jinjin Gu、Linghe Kong和Xiaokang Yang，"用于图像超分辨率的递归泛化 Transformer"，ICLR，2024

🔥🔥🔥 新闻

2024-02-04: 代码和预训练模型已发布。🎊🎊🎊
2023-09-29: 本仓库已发布。

摘要: Transformer 架构在图像超分辨率(SR)任务中表现出了卓越的性能。由于 Transformer 中自注意力(SA)的二次计算复杂度，现有方法倾向于在局部区域采用 SA 以减少开销。然而，局部设计限制了全局上下文的利用，而这对于准确的图像重建至关重要。在本工作中，我们提出了用于图像 SR 的递归泛化 Transformer (RGT)，它可以捕获全局空间信息并适用于高分辨率图像。具体来说，我们提出了递归泛化自注意力(RG-SA)。它递归地将输入特征聚合成具有代表性的特征图，然后利用交叉注意力提取全局信息。同时，注意力矩阵($query$、$key$ 和 $value$)的通道维度进一步缩放以减少通道域中的冗余。此外，我们将 RG-SA 与局部自注意力相结合以增强全局上下文的利用，并提出了混合自适应集成(HAI)用于模块集成。HAI 允许不同层级(局部或全局)特征之间的直接有效融合。大量实验表明，我们的 RGT 在定量和定性方面都优于最近的最先进方法。

HR	LR	SwinIR	CAT	RGT (ours)
<img src="https://yellow-cdn.veclightyear.com/835a84d5/9d5c7d1f-42df-47b9-9758-8a01fc1d564f.png" height=80>	<img src="https://yellow-cdn.veclightyear.com/835a84d5/f8594954-7520-4d05-a9f9-7eb3d0d464d0.png" height=80>	<img src="https://yellow-cdn.veclightyear.com/835a84d5/41fa2589-2c8c-40ea-93de-5df3a9ede165.png" height=80>	<img src="https://yellow-cdn.veclightyear.com/835a84d5/caff6cc6-f842-4d69-8254-18ec4729f565.png" height=80>	<img src="https://yellow-cdn.veclightyear.com/835a84d5/e6289a42-4e16-43fc-b4cf-74d4f6ccbbdc.png" height=80>
<img src="https://yellow-cdn.veclightyear.com/835a84d5/820b95ea-e801-4e69-ae7b-d33ef5467295.png" height=80>	<img src="https://yellow-cdn.veclightyear.com/835a84d5/eefd1349-2641-4f71-9a23-3d7c1bde0547.png" height=80>	<img src="https://yellow-cdn.veclightyear.com/835a84d5/369ce38e-05e2-491f-8243-49aa91645de6.png" height=80>	<img src="https://yellow-cdn.veclightyear.com/835a84d5/d083abd2-1b5b-4806-9648-f18782688e67.png" height=80>	<img src="https://yellow-cdn.veclightyear.com/835a84d5/62971752-507c-42c5-a856-bad09f355a31.png" height=80>

⚙️ 依赖

Python 3.8
PyTorch 1.9.0
NVIDIA GPU + CUDA

# 克隆 GitHub 仓库并进入默认目录 'RGT'。
git clone https://github.com/zhengchen1999/RGT.git
conda create -n RGT python=3.8
conda activate RGT
pip install -r requirements.txt -f https://download.pytorch.org/whl/torch_stable.html
python setup.py develop

⚒️ 待办事项

发布代码和预训练模型

<a name="datasets"></a>🖨️ 数据集

使用的训练和测试集可以按以下方式下载：

训练集	测试集	可视化结果
DIV2K (800张训练图像，100张验证图像) + Flickr2K (2650张图像) [完整训练数据集 DF2K：Google Drive / 百度网盘]	Set5 + Set14 + BSD100 + Urban100 + Manga109 [完整测试数据集：Google Drive / 百度网盘]	Google Drive / 百度网盘

下载训练和测试数据集并将它们放入 datasets/ 的相应文件夹中。有关目录结构的详细信息，请参见 datasets。

<a name="models"></a>📦 模型

方法	参数量 (M)	FLOPs (G)	PSNR (dB)	SSIM	模型库	可视化结果
RGT-S	10.20	193.08	27.89	0.8347	Google Drive / 百度网盘	Google Drive / 百度网盘
RGT	13.37	251.07	27.98	0.8369	Google Drive / 百度网盘	Google Drive / 百度网盘

性能在 Urban100 (x4) 上报告。FLOPs 的输出尺寸为 3×512×512。

<a name="training"></a>🔧 训练

下载训练（DF2K，已处理）和测试（Set5、Set14、BSD100、Urban100、Manga109，已处理）数据集，将它们放在 datasets/ 中。
运行以下脚本。训练配置在 options/train/ 中。

# RGT-S，输入=64x64，4个GPU
python -m torch.distributed.launch --nproc_per_node=4 --master_port=4321 basicsr/train.py -opt options/train/train_RGT_S_x2.yml --launcher pytorch
python -m torch.distributed.launch --nproc_per_node=4 --master_port=4321 basicsr/train.py -opt options/train/train_RGT_S_x3.yml --launcher pytorch
python -m torch.distributed.launch --nproc_per_node=4 --master_port=4321 basicsr/train.py -opt options/train/train_RGT_S_x4.yml --launcher pytorch

# RGT，输入=64x64，4个GPU
python -m torch.distributed.launch --nproc_per_node=4 --master_port=4321 basicsr/train.py -opt options/train/train_RGT_x2.yml --launcher pytorch
python -m torch.distributed.launch --nproc_per_node=4 --master_port=4321 basicsr/train.py -opt options/train/train_RGT_x3.yml --launcher pytorch
python -m torch.distributed.launch --nproc_per_node=4 --master_port=4321 basicsr/train.py -opt options/train/train_RGT_x4.yml --launcher pytorch

训练实验位于experiments/目录中。

🔨 测试

🌗 测试带有高分辨率图像的图片

下载预训练的模型并将它们放在experiments/pretrained_models/目录中。

我们提供了图像超分辨率的预训练模型：RGT-S和RGT（x2、x3、x4）。
下载测试（Set5、Set14、BSD100、Urban100、Manga109）数据集，将它们放在datasets/目录中。

运行以下脚本。测试配置在options/test/目录中（例如，test_RGT_x2.yml）。

注1：您可以在YML文件中设置use_chop: True（默认为False）以对图像进行分块测试。

# 不使用自集成
# RGT-S，复现论文表2中的结果
python basicsr/test.py -opt options/test/test_RGT_S_x2.yml
python basicsr/test.py -opt options/test/test_RGT_S_x3.yml
python basicsr/test.py -opt options/test/test_RGT_S_x4.yml

# RGT，复现论文表2中的结果
python basicsr/test.py -opt options/test/test_RGT_x2.yml
python basicsr/test.py -opt options/test/test_RGT_x3.yml
python basicsr/test.py -opt options/test/test_RGT_x4.yml

🌓 测试没有高分辨率图像的图片

下载预训练的模型并将它们放在experiments/pretrained_models/目录中。

我们提供了图像超分辨率的预训练模型：RGT-S和RGT（x2、x3、x4）。
将您的数据集（单个低分辨率图像）放在datasets/single目录中。该文件夹中已包含一些测试图像。
运行以下脚本。测试配置在options/test/目录中（例如，test_single_x2.yml）。

注1：默认模型是RGT。您可以通过修改YML文件来使用其他模型，如RGT-S。

注2：您可以在YML文件中设置use_chop: True（默认为False）以对图像进行分块测试。
```
# 在您的数据集上测试
python basicsr/test.py -opt options/test/test_single_x2.yml
python basicsr/test.py -opt options/test/test_single_x3.yml
python basicsr/test.py -opt options/test/test_single_x4.yml
```
输出结果在results/目录中。

🔎 结果

我们达到了最先进的性能。详细结果可以在论文中找到。

📎 引用

如果您在研究或工作中发现代码有帮助，请引用以下论文。

@inproceedings{chen2024recursive,
  title={Recursive Generalization Transformer for Image Super-Resolution},
  author={Chen, Zheng and Zhang, Yulun and Gu, Jinjin and Kong, Linghe and Yang, Xiaokang},
  booktitle={ICLR},
  year={2024}
}