CATformer：用于图像超分辨率的对比对抗 Transformer
计算机视觉与模式识别
2025-08-26 v1
摘要
超分辨率仍然是提升低分辨率图像质量的一项极具前景的技术。本研究引入了 CATformer（Contrastive Adversarial Transformer），一种将扩散启发的特征精炼与对抗学习和对比学习相结合的新型神经网络。CATformer 采用双分支架构，将逐步精炼潜在表示的受扩散启发的主 Transformer 与旨在通过学习潜在对比增强对噪声鲁棒性的辅助 Transformer 分支相结合。这些互补表示使用深度 Residual-in-Residual Dense Blocks 进行融合与解码，以提升重建质量。在基准数据集上的大量实验表明，CATformer 在效率和视觉图像质量上均优于近期基于 Transformer 和受扩散启发的方法。这项工作弥合了基于 Transformer、扩散和 GAN 方法之间的性能差距，为受扩散启发的 Transformer 在超分辨率中的实际应用奠定了基础。
关键词
引用
@article{arxiv.2508.17708,
title = {CATformer: Contrastive Adversarial Transformer for Image Super-Resolution},
author = {Qinyi Tian and Spence Cox and Laura E. Dalton},
journal= {arXiv preprint arXiv:2508.17708},
year = {2025}
}