摘要

图像修复旨在从退化的观测图像中重建出清晰的图像。卷积神经网络在该任务上已取得令人瞩目的性能。近年来，Transformer架构通过建模长距离依赖关系，在图像修复的最先进性能上实现了显著突破。然而，这些深度网络架构主要聚焦于提升空间维度的表征学习能力，忽视了通道间交互的重要性。本文提出一种双域通道注意力机制，旨在探索通道交互在图像修复中的潜力。具体而言，空间域中的通道注意力机制通过学习得到的动态权重，引导每个通道从相邻通道中汇聚有价值的信号。为进一步有效利用退化图像与清晰图像对之间在频域上的显著差异，我们设计了隐式频域通道注意力机制，以促进不同频率信息的融合。大量实验表明，所提出的网络架构——ChaIR，在涵盖图像去雾、图像运动/散焦去模糊、图像去雪以及图像去雨等五类图像修复任务的13个基准数据集上，均达到了当前最优的性能表现。