DiMoSR：基于多分支膨胀卷积的特征调制用于高效图像超分辨率
计算机视觉与模式识别
2025-05-28 v1 图像与视频处理
摘要
在轻量级单图像超分辨率（SISR）中，平衡重建质量与模型效率仍然是一个关键挑战。尽管注意力机制在近期最先进的 SISR 方法中被广泛用于主要强调或抑制特征图，但替代的架构范式仍值得进一步探索。本文提出了 DiMoSR（膨胀调制超分辨率），这是一种新颖的架构，通过调制增强特征表示，以在轻量级 SISR 网络中补充注意力机制。该方法利用多分支膨胀卷积在更广泛的感受野上捕获丰富的上下文信息，同时保持计算效率。实验结果表明，DiMoSR 在多个基准数据集上优于最先进的轻量级方法，在计算复杂度相当或更低的情况下实现了更优的 PSNR 和 SSIM 指标。通过全面的消融研究，这项工作不仅验证了 DiMoSR 的有效性，还提供了关于注意力机制与特征调制之间相互作用的关键见解，以指导未来高效网络设计的研究。用于复现我们结果的代码和模型权重可在以下地址获取：https://github.com/makinyilmaz/DiMoSR
引用
@article{arxiv.2505.21262,
title = {DiMoSR: Feature Modulation via Multi-Branch Dilated Convolutions for Efficient Image Super-Resolution},
author = {M. Akin Yilmaz and Ahmet Bilican and A. Murat Tekalp},
journal= {arXiv preprint arXiv:2505.21262},
year = {2025}
}