基于Swin Transformer的图像压缩感知重构

摘要

图像压缩感知是一种在欠采样条件下尽可能重构原始图像的技术。为解决大部分基于卷积神经网络(CNN)框架的图像压缩感知方法容易受到卷积感受野的限制、对全局信息的关注较少的问题,提出了基于Swin Transformer的图像压缩感知重构网络。网络使用卷积层对图像进行采样,然后使用自注意力机制和残差结构结合的残差Swin Transformer组(RSTG)结构来关注图像的细节。实验结果表明,基于Swin Transformer的图像压缩感知重构网络可以充分利用图像的先验信息,进一步提高图像压缩感知的重构精度,并获得比其他压缩感知方法更好的重构性能和视觉效果。