UNET改进63：添加DTAB模块|强大的局部拟合和全局视角能力

本文内容：在不同位置添加DTAB模块

目录

论文简介

1.步骤一

2.步骤二

3.步骤三

4.步骤四

论文简介

盲点网络（BSN）一直是自监督图像去噪（SSID）中流行的神经架构。然而，大多数现有的 BSN 都是基于卷积层构建的。尽管在许多图像修复任务中，Transformer 已显示出克服卷积局限性的潜力，但其注意力机制可能会违反盲点要求，从而限制了其在 BSN 中的应用。为此，我们提出分析并重新设计通道和空间注意力，以满足盲点要求。具体而言，在多尺度架构中，通道自注意力可能会泄露盲点信息，因为下采样会将空间特征混入通道维度。为了解决这个问题，我们将通道分成若干组，并分别执行通道注意力。对于空间自注意力，我们对注意力矩阵应用精心设计的掩码，以限制并模拟扩张卷积的感受野。基于重新设计的通道和窗口注意力，我们构建了一个基于Transformer 的盲点网络（TBSN），它表现出强大的局部拟合和全局视角能力。此