TTSR（CVPR2020）——Ref超分辨
TTSR:Learning Texture Transformer Network for Image Super-Resolution(CVPR2020论文连接)
CrossNet
采用光流将LR和Ref图像在不同尺度上对齐，并将其拼接到解码器的相应层中。但是这些方法的性能很大程度上取决于LR和Ref图像的对齐质量。而且在面对LR和Ref图像之间的大视点变化时，通常会搜索和传输不准确的纹理。此外，光流等对准方法耗时较长，不利于实际应用。
SRNTT
采用预训练模型VGG来提取特征和内容，然而，这种高级语义特征并不能有效地表示HR纹理，从而产生不可信的结果。SRNTT忽略了原始特性和交换的特性之间的相关性，并将所有交换的特性平等地提供给主网络（这里个人感觉）
为了解决这些问题，提出TTSR。
- 首先，我们提出了一个可学习的纹理提取器，其中的参数将在端到端训练期间更新。这样的设计使得LR和Ref图像的联合特征嵌入成为可能，这为在SR任务中应用注意机制打下了坚实的基础。
- 其次，我们提出了一个相关性嵌入（插入）模块来计算LR和Ref图像之间的相关性。更具体地说，我们将从LR和Ref图像中提取的特征表示为查询操作中的键，以获得硬注意图和软注意map。
- 最后，我们提出了一个硬注意力模块和一个软注意模块。通过注意力map将HR特征从Ref图像融合到LR特征中（从主干网络DNN中提取出的特征）。
TTSR的设计鼓励了一种更准确的方法来搜索和传输相关纹理从Ref到LR的图像。此外，我们提出了一个跨尺度的特征集成模块来堆叠纹理转换器（简单点儿CSFI就是把TTSR当做他的结构单元）
纹理转换器（texture transformer）
就是TTSR重要的网络结构，包含四个部分，下面展开说。
网络有四个输入：LR，LR
↑
\uparrow
↑（4倍，双三次上采样），Ref，Ref
↑
↓
\uparrow\downarrow
↑↓（用同样的双三次方法，先下采样再三采样，为了得到一样的值域）
Learnable Texture Extractor.（可学习的纹理提取器，区别SRNTT的VGG）
分别得到Ref，Ref
↑
↓
\uparrow\downarrow
↑↓，LR
↑
\uparrow
↑特征，结果为V，K，Q
Relevance Embedding.（相关信息嵌入，插入？）
通过估计Q和K之间的相似度
r
i
,
j
r_{i,j}
ri,j来嵌入LR和Ref图像之间的相关信息（纹理）。把Q，K当中的patch（块）做归一化处理，并且计算他们的相关度（内积的方法）。这相关系数
r
i
,
j
r_{i,j}
ri,j，下面两种注意力机制会用到。
Hard-Attention.（硬注意力机制，H）
用来转移Ref特征V，传统的注意机制对每个查询
q
i
q_i
qi取V的加权和（这里就是说的SRNTT的传输相关纹理的同时抑制不相关纹理处理方法？没看代码不知道是不是加权的方式）。但是，这样的操作可能会产生模糊效果，缺乏传递HR纹理特征的能力。因此，在我们的硬注意力机制模块中，对于每个查询
q
i
q_i
qi，我们只从V中最相关的位置j进行转移特征。（最，体现了这里的强注意意思
我们先通过相关系数计算出H，在得到Ref和LR中最相关（相似）的位置i，然后用
H
i
H_i
Hi去Ref特征中V中去索引这个最优块，得到
T
i
T_i
Ti（就是HR特征表示，后来用于重构输出HR的）
soft-Attention.（软注意力机制，S）
用软注意力机制，来进行T，F的特征合成。F是LR经过DNN得到特征。在合成过程中，需要加强相关纹理的传输，对不相关的纹理进行处理。（这句话，我翻译出的感觉跟SRNTT合成的时候一样的感觉）。从相关系数
r
i
,
j
r_{i,j}
ri,j中计算一个软注意S，表示转移纹理特征T中每个位置的置信度。
*[个人感觉公式作者不小心笔误了]:
这里没有直接将注意力图S应用到T上，而是首先融合HR纹理特征T和LR特征F，这样是为了从LR图像中获取更多信息。T，F融合后的特征进一步在像素级别上和S相乘（点乘操作），再加回F，得到纹理转换器的最终输出。