探索单图像超分辨率的线性注意力替代方案
计算机视觉与模式识别
2025-12-23 v2 图像与视频处理
摘要
基于深度学习的单图像超分辨率（SISR）技术专注于将低分辨率（LR）图像增强为高分辨率（HR）图像。尽管已取得显著进展，但在计算复杂度和质量方面仍存在挑战，尤其是在遥感图像处理领域。为解决这些问题，我们提出了全尺度RWKV超分辨率（OmniRWKVSR）模型，该模型提供了一种新颖的方法，将感受权重键值（RWKV）架构与视觉RWKV空间混合（VRSM）和视觉RWKV通道混合（VRCM）等特征提取技术相结合，旨在克服现有方法的局限性，实现卓越的SISR性能。这项工作已被证明能够为高质量图像重建提供有效解决方案。在4倍超分辨率任务下，与MambaIR模型相比，我们在PSNR上平均提高了0.26%，在SSIM上平均提高了0.16%。
引用
@article{arxiv.2502.00404,
title = {Exploring Linear Attention Alternative for Single Image Super-Resolution},
author = {Rongchang Lu and Changyu Li and Donghang Li and Guojing Zhang and Jianqiang Huang and Xilai Li},
journal= {arXiv preprint arXiv:2502.00404},
year = {2025}
}
备注
This paper has been published to IEEE International Joint Conference on Neural Networks 2025 as the final camera ready version. Contact at [email protected]