单幅图像超分辨率的渐进式聚焦变换器
计算机视觉与模式识别
2025-03-27 v1
摘要
变换器方法在图像超分辨率任务中已取得显著成果，因为它们能够捕获低质量输入图像中的非局部依赖。然而，这种以特征为中心的建模方法因计算大量与查询特征无关的特征之间的相似性而导致计算成本高昂。这些不必要的相似度计算不仅会降低重建性能，还会引入显著的计算开销。如何准确识别与当前查询特征重要的特征，并避免计算无关特征之间的相似性，仍是迫在眉睫的难题。为此，我们提出一种新型且有效的渐进式聚焦变换器（PFT），通过渐进式聚焦注意力（PFA）将网络中所有孤立注意力图连接起来，聚焦注意力于最重要的标记。PFA不仅使网络能够捕获更多关键相似特征，还通过在计算相似性前过滤无关特征，显著降低了整个网络的计算成本。广泛实验表明，所提方法有效，实现了在各种单幅图像超分辨率基准测试上的领先性能。
引用
@article{arxiv.2503.20337,
title = {Progressive Focused Transformer for Single Image Super-Resolution},
author = {Wei Long and Xingyu Zhou and Leheng Zhang and Shuhang Gu},
journal= {arXiv preprint arXiv:2503.20337},
year = {2025}
}