基于傅里叶引导的注意力上采样用于图像超分辨率
计算机视觉与模式识别
2025-08-26 v2 人工智能
摘要
我们提出了 Frequency-Guided Attention (FGA)，一种用于单张图像超分辨率的轻量级上采样模块。传统上采样器（如亚像素卷积）高效但经常无法重建高频细节并引入别名失真。FGA 通过集成 (1) 基于傅里叶特征的多层感知器 (MLP) 用于位置频率编码、(2) 跨分辨率相关注意力层用于自适应空间对齐、(3) 频域 L1 损失用于谱保真监督来解决这些问题。仅增加 0.3M 参数，FGA 在五种多样化的超分辨率主干网络中在轻量和全容量场景下均显著提升性能。实验结果表明，FGA 在 PSNR 上平均提升 0.12~0.14 dB，并在频率域一致性方面提升最高可达 29%，尤其在纹理丰富的数据集上效果尤为明显。视觉和谱评估均确认 FGA 在减少别名和保留细节方面的有效性，使其成为实用且可扩展的传统上采样方法的替代方案。
引用
@article{arxiv.2508.10616,
title = {Fourier-Guided Attention Upsampling for Image Super-Resolution},
author = {Daejune Choi and Youchan No and Jinhyung Lee and Duksu Kim},
journal= {arXiv preprint arXiv:2508.10616},
year = {2025}
}
备注
15 pages, 7 figures, under submission to a journal