面向图像超分辨率的混合注意力聚合 Transformer（HAAT）

在图像超分辨率研究领域，基于 Swin-transformer 的模型因其全局空间建模能力及平移窗口注意力机制而受到青睐。然而，现有方法常限制于非重叠窗口以降低计算成本，忽略跨通道的有用信息。为此，本文提出一种新型模型 Hybrid Attention Aggregation Transformer（HAAT），以更好地利用特征信息。HAAT 由集成 Swin-Dense-Residual-Connected Blocks（SDRCB）与 Hybrid Grid Attention Blocks（HGAB）构成。SDRCB 扩大感受野且保持简洁架构，提升性能。HGAB 融合通道注意力、稀疏注意力与窗口注意力，增强非局部特征融合，实现更具视觉效果的输出。实验表明，HAAT 在基准数据集上超越了当前最先进的方法。