摘要

立体图像超分辨率旨在通过利用双目系统提供的互补信息来提高超分辨率结果的质量。为了获得合理的性能，大多数方法专注于精心设计模块、损失函数等，以充分利用另一视角的信息。然而，这种方法的副作用是增加了系统的复杂性，使得研究人员难以评估新思路并进行方法比较。本文继承了一个强大且简单的图像恢复模型——NAFNet，用于单视图特征提取，并通过添加交叉注意力模块来融合不同视图之间的特征，以适应双目场景。所提出的立体图像超分辨率基线模型被命名为NAFSSR。此外，本文还提出了训练/测试策略，以充分发挥NAFSSR的性能。大量实验验证了我们方法的有效性。特别是，NAFSSR在KITTI 2012、KITTI 2015、Middlebury和Flickr1024数据集上的表现优于现有最先进方法。凭借NAFSSR，我们在NTIRE 2022立体图像超分辨率挑战赛中获得了第一名。代码和模型将在https://github.com/megvii-research/NAFNet发布。