【图像超分】论文精读：SwinIR: Image Restoration Using Swin Transformer

已于 2025-05-26 16:02:33 修改
阅读量3.5k 收藏 4
点赞数
CC 4.0 BY-SA版权
分类专栏： 超分辨率重建（理论+实战，科研+应用） 文章标签： transformer 深度学习 计算机视觉 超分辨率重建 论文阅读 论文笔记 图像处理
于 2024-04-12 10:55:33 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36584673/article/details/137495540
SwinIR是一种基于Swin Transformer的图像恢复模型，用于图像超分辨率、去噪和JPEG伪影减少。该模型通过残差Swin Transformer块捕获全局信息，同时解决了传统Transformer在图像恢复中的边界问题。实验表明，SwinIR在多种任务上超越现有方法，且参数更少。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

第一次来请先看这篇文章：【超分辨率（Super-Resolution）】关于【超分辨率重建】专栏的相关说明，包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等）

文章目录

前言

论文题目：SwinIR: Image Restoration Using Swin Transformer —— SwinIR:使用Swin Transformer进行图像恢复

论文地址：SwinIR: Image Restoration Using Swin Transformer

论文源码：https://github.com/JingyunLiang/SwinIR

Swin Transformer用于图像恢复！

Abstract

图像恢复是一个长期存在的低级视觉问题，旨在从低质量图像中恢复高质量图像（例如，缩小、噪声和压缩图像）。虽然最先进的图像恢复方法是基于卷积神经网络，但很少有人尝试变形金刚，这在高级视觉任务中显示出令人印象深刻的

了解本专栏 订阅专栏 解锁全文
SwinIR: Image Restoration Using Swin Transformer论文阅读
qq_40107571的博客
07-21 1424
摘要图像恢复是低水平视觉问题。目前大多图像恢复方法都是基于cnn，至于在高级视觉任务领域大放光彩的Transformer却很少使用。所以本文主要是基于Swintransformer建立了一个基准模型。这个模型包含三个部分浅层特征提取、深层特征提取、图像重建。特别是，深度特征提取模块由几个残差Swintransformer模块（RSTB）组成，每个块都有几个Swintransformer层和一个残差连接。......
【图像去噪】论文精读：SwinIR: Image Restoration Using Swin Transformer
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
12-09 424
论文题目：SwinIR: Image Restoration Using Swin Transformer —— SwinIR:使用Swin Transformer进行图像恢复CVPR 2021！图像恢复是一个长期存在的低级视觉问题，旨在从低质量图像中恢复高质量图像（例如，缩小、噪声和压缩图像）。虽然最先进的图像恢复方法是基于卷积神经网络，但很少有人尝试变形金刚，这在高级视觉任务中显示出令人印象深刻的性能。
论文精读-SwinIR Image Restoration Using Swin Transformer
a284365的博客
05-18 1896
图像恢复是一个长期存在的低级视觉问题，其目的是从低质量图像(例如，低尺度、噪声和压缩图像)中恢复高质量图像。虽然最先进的图像恢复方法是基于卷积神经网络的，但很少有人尝试用变形金刚在高级视觉任务中表现出令人印象深刻的表现。在本文中，我们提出了一个基于Swin Transformer 的强基线模型SwinIR 用于图像恢复。SwinIR 包括三个部分:浅层特征提取、深层特征提取和高质量图像重建。
SwinIR --- 论文阅读
qq_43350330的博客
01-12 1448
SwinIR论文阅读-主要关于图像去噪相关部分
详解SwinIR的论文和代码（SwinIR: Image Restoration Using Swin Transformer）
BigerBang的博客
11-20 5464
SwinIR将Swin transformer1应用到low level领域的图像增强任务，结合卷积设计了网络结构，在以下三个任务上取得了很好的效果：图像超分辨率（包括classical、lightweight和real-world SR）、图像去噪（包括灰度图和彩色图像去噪）和 JPEG压缩失真去除。本文将结合代码对SwinIR进行详解。
【图像超分辨率重建】——SwinIR论文精读笔记
Sunny_Coder的博客
12-29 6058
【图像超分辨率重建】——SwinIR论文精读笔记
swinIR论文阅读笔记
read, note and comment papers
08-01 431
swinIR论文阅读笔记
【图像去噪】前沿资讯：第十届NTIRE 2025图像去噪挑战报告，一大批CVPRW论文即将来袭！
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
04-21 1322
The Tenth NTIRE 2025 Image Denoising Challenge是第十届CVPR NTIRE (New Trends in Image Restoration and Enhancement) Workshop研讨会比赛之一 —— 图像去噪挑战赛，旨在促进去噪领域的发展，对不同的去噪技术进行公平比较，促成潜在的合作关系。加噪声白噪（AWGN），σ=50。计算效率和模型复杂度不参与评判。也就是说，只看涨点，无疑又是一场军备竞赛。核心思想：偏差调优。
【图像超分】论文复现：CVPR 2023！激活更多像素！HAT的Pytorch源码复现，跑通源码，应用BasicSR，解决报错，图文手把手教程，从大到小拆解网络结构，从小到大梳理代码实现，注释详细！
最新发布
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
04-22 1072
论文题目：Activating More Pixels in Image Super-Resolution Transformer —— 激活图像超分辨率变压器中的更多像素【图像超分】论文精读：Activating More Pixels in Image Super-Resolution Transformer（HAT）本文以【HAT_SRx4_ImageNet-pretrain】为例进行复现，其他倍数同理。
图像恢复 SWinIR : 彻底理解论文和源代码 (注释详尽）
热门推荐
书山有路，学海无涯！
11-11 5万+
文章目录SwinIR 论文SWinIR 网络结构整体框架浅层特征提取深层特征提取图像重建模块主要代码理解SwinIRMLPPatch EmbeddingWindow Attention残差 Swin Transformer 块 (RSTB)HQ Image Reconstruction一个测试实例参考文献结语 SwinIR 论文 主要工作：将 Swin Transformer 在图像恢复中应用，降低参数量的同时取得很好的效果。 论文地址：https://arxiv.org/pdf/2108.10257.p
SwinIR 详尽注释，一步步理解学习
11-11
SwinIR: Image restoration using swin transformer 论文源代码中网络模型 SwinIR，附带详尽注释，一步步理解学习。
超分之SwinIR
weixin_44342777的博客
03-17 4142
SwinIR----首个将Swin TRansformer用于low-level计算机视觉的SR任务
ELAN论文详解：对SwinIR进行效率优化的超分算法（Efficient Long-Range Attention Network for Image Super-resolution）
BigerBang的博客
12-14 3109
本文是对论文ELAN的解读，ELAN认为当前基于Transformer的超分模型在效率和效果上都存在问题，其提出了efficient long-range attention block（ELAB），可以更好的建模图像的长距离依赖；同时其提出了一系列的有效的优化策略，可以极大的提高模型的效率。
超分算法 SwinIR: Image Restoration Using Swin Transformer
qq_45122568的博客
05-17 1万+
这篇文章结构比较简单，如果看过Swin-Transformer的话就没什么难点了。作者引入Swin-T结构应用于低级视觉任务，包括图像超分辨率重建、图像去噪、图像压缩伪影去除。网络由一个浅层特征提取模块、深层特征提取模块、重建模块构成。重建模块对不同的任务使用不同的结构。浅层特征提取就是一个3×3的卷积层。深层特征提取是k个RSTB块和一个卷积层构成。RSTB（Res- SwinIR: Image Restoration Using Swin Transformer[ICCV 2021]Abstract1.
【图像超分辨率重建】——SwinIR论文阅读笔记
weixin_52143654的博客
06-01 1849
SwinIR阅读笔记
SwinIR: Image Restoration Using Swin Transformer论文笔记
weixin_46872424的博客
12-14 1555
本文对SwinIR进行了分析，主要是SwinIR: Image Restoration Using Swin Transformer论文笔记
SwinIR_Image Restoration Using Swin Transformer论文阅读分享
qq_37937847的博客
08-31 2326
论文连接：https://arxiv.org/abs/2108.10257 Abstract 本篇文章的图像修复指的是从低质量图片恢复到高质量图片（例如超分，去噪，解压缩图片），目前主流先进的图像修复任务都是基于卷积做的，很少有人尝试用transformer做高性能的高级视觉任务。而本篇文章主要就是基于Swin_transformer做的，本方法命名为SwinIR。该方法包含三个部分：浅层特征提取器、深层特征提取器、高质量图像重建模块，针对不同的图像修任务，图像重建模块略有不同。特别的是，深层特征提取器是基
transformer在图像分类上的应用以及pytorch代码实现
qq_37937847的博客
04-09 5万+
文章目录1.对transformers的简单介绍1.1序列数据的介绍（seq2seq）1.2self-Attention1.3 transformer的完整结构2.transformers在图像分类上的pytorch代码2.1加载cifar10数据集2.2构建transformers模型2.2.1构建图像编码模块 Embeddings2.2.3构建前向传播神经网络模块2.2.4构建编码器的可重复利用Block模块2.2.5构建Encoder模块2.2.6 构建完整的transformers2.2.7构建Vi
图像超分领域的模块FMB
weixin_51732791的博客
08-22 2543
大家好，今天我要向大家介绍的是图像超分辨率领域的一项创新技术——FMB模块，它源自一篇在ECCV 2024上发表的论文《SMFANet: A Lightweight Self-Modulation Feature Aggregation Network for Efficient Image Super-Resolution》。在这个研究中，核心亮点在于一个精心设计的自调制特征聚合（SMFA）模块，以及一个与之相辅相成的基于部分卷积的前馈网络（PCFN）。
SwinIR: Image Restoration Using Swin Transformer
03-08
SwinIR是一种基于Swin Transformer架构的先进图像修复模型，该模型通过引入分层特征提取机制来提升图像修复的效果[^1]。具体而言，SwinIR利用了局部窗口内的自注意力机制，在不同尺度上捕捉空间关系，从而有效地处理...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

十小大

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值