CVPR 2019 | 国防科大提出双目超分辨算法，效果优异代码已开源

2019 年 6 月 8 日 极市平台

加入极市专业CV交流群，与6000+来自腾讯，华为，百度，北大，清华，中科院等名企名校视觉开发者互动交流！更有机会与李开复老师等大牛群内互动！

同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。点击文末“阅读原文”立刻申请入群~

本文授权转载自公众号我爱计算机视觉

近年来，双摄像头成像系统在智能手机、自动驾驶等领域取得了广泛的应用。

近日，来自国防科技大学等单位的学者提出了新型双目超分辨算法，充分利用了左右图的信息提升图像超分辨效果；

另外，他们构建了一个大型双目图像超分辨数据集，用于双目图像超分辨算法的训练和评估。代码已开源，相关论文已被CVPR 2019录用。

以下是论文作者信息：

论文链接：

https://arxiv.org/pdf/1903.05784.pdf
代码链接：

https://github.com/LongguangWang/PASSRnet
数据集链接：

https://yingqianwang.github.io/Flickr1024/

引言

双摄系统提供了同一场景两个不同视角的观测信息。然而在实际应用中，由于相机基线、焦距、场景深度以及成像分辨率不同，双目图像的视差具有较大差异。因此如何高效、灵活地利用双摄系统来提升图像的分辨率存在较大的挑战。

本文提出了一种基于视差注意力机制（Parallax Attention Mechanism）的双目图像超分辨网络（Parallax Attention Stereo SR Network, PASSRnet），利用视差注意力机制实现了对双目图像左右图信息的高效融合。

同时本文构建并公开了一个大型双目图像超分辨数据集Flickr1024，用于双目图像超分辨算法的训练和评估。

本文将双目视觉中的对极几何（EPI）关系引入到注意力机制中，计算双目图像不同视差位置间的相似性，并基于这一相似性测度实现对左右图特征的融合。

视差注意力机制能够对双目图像中沿视差方向的全局信息进行融合，不受视差大小的限制，具有更强的灵活性与鲁棒性。

本文所提算法在Middlebury、KITTI2012以及KITTI2015数据集上与主流算法进行了对比，实验结果证明了PASSRnet的优越性。

方法

PASSRnet的网络结构如图1所示，其输入为低分辨率双目RGB图像，输出为高分辨率左视角RGB图像。

图1 PASSRnet网络结构图

● 残差空洞金字塔模块（Residual ASPP Module）

PASSRnet首先利用一个共享权值的Residual ASPP模块对输入的双目图像进行多尺度特征提取，扩大了网络的接受野。

如图1（a）所示，Residual ASPP模块由残差空洞金字塔块（Residual ASPP Block）与残差块交替连接组成。

如图1（b）所示，Residual ASPP Block由三组空洞卷积组（ASPP Group）组成，在每个ASPP Group中，首先利用三个膨胀系数分别为1、4、8的3*3卷积层进行特征提取，之后利用一个1*1卷积对三个膨胀卷积层提取的特征进行融合。

与ASPP Block相比，Residual ASPP Block利用残差连接进一步丰富了特征提取的尺度，实现了更密集的多尺度特征提取。

● 视差注意力模块（Parallax Attention Module）

在提取双目图像的多尺度特征之后，PASSRnet利用视差注意力模块（Parallax Attention Module）对左右图特征进行融合。受“自注意力机制”启发，本文将双目视觉中的对极几何关系引入注意力机制中，将注意力机制的搜索空间限制在极线上。

图2 视差注意力与自注意力示意图

如图2所示，与自注意力机制在图像全局范围内进行搜索不同，视差注意力机制只沿着极线方向进行搜索。对于左图中任意一点（i，j），视差注意力机制将其与右图极线上任意一点进行相似性计算，得到视差注意力图。

以Mright->left为例，Mright->left(i,j,k)表示右图中位置(i,k)对左图中位置(i,j)的权值，也就是说，视差注意力图上的权值分布形态能够描述左右图间的对应关系。利用视差注意力图的这一特性，Parallax Attention Module能够通过批次化矩阵乘实现左右图特征的有效融合（如图3所示）。

图3 批次化矩阵乘示意图

● 损失函数（Loss Function）

本文所提PASSRnet在训练中所采用的损失函数为：

其中设为0.005，各个Loss项的含义如下：

➢ 超分辨损失:

超分辨损失反映了输出图像与Groundtruth间的均方误差（MSE）。

➢ 照度损失:

照度损失反映了双目图像间照度的左右一致性。本文利用视差注意力图计算照度损失。视差注意力图能够较好地反映左右图之间的对应关系，

比如视差注意力图与右图的批次化矩阵乘可以得到左图，反之亦然。

➢ 循环一致性损失：

在照度损失的基础上，受cycle GAN中循环损失启发，本文设计了循环一致性损失，以自封闭的形式进一步对双目图像间的潜在几何关系进行正则。循环一致性损失可以理解为，左图（或右图）经过两次注意力图的映射后，应当能够得到左图（或右图）本身。

➢ 平滑损失：

本文设计了定义在视差注意力图上的平滑损失。根据视差注意力图的物理意义可以看出，这一损失在反映了视差在局部区域内的平滑性。

数据集

图4 Flickr1024数据集

在双目视觉领域，现有的数据集（例如KITTI数据集、Middlebury数据集以及ETH3D数据集）更多地针对深度估计与光流估计等任务，在场景数量、场景多样性以及图像质量等方面无法满足双目超分辨算法的需求。因此，本文收集了1024幅双目图像，构建并公开了一个大型双目图像超分辨数据集Flickr1024，用于对双目超分辨算法进行训练和评估。

实验结果

实验部分首先通过消融学习对网络中不同模块以及不同Loss函数的有效性进行了验证：

● 网络结构

表1 不同网络结构的结果对比

● 损失函数

表2 不同损失函数的结果对比

● 算法对比（Comparison to the State-of-the-arts）：

本文在Middlebury, KITTI2012以及KITTI2015三个公开数据集上将PASSRnet与双目超分辨算法StereoSR（CVPR18），单图超分辨算法SRCNN（ECCV14）、VDSR（CVPR16）、DRCN（CVPR16）、LapSRN（CVPR17）以及DRRN（CVPR17）进行了对比，结果如下表所示：

表3 不同方法的结果对比