基于量子注意力机制的单张图像超分辨率 Quantum Image Enhancement Transformer
量子物理
2026-01-09 v2 计算机视觉与模式识别
图像与视频处理
摘要
单张图像超分辨率（SISR）领域的最新深度学习技术显著提升了图像修复质量，但由于经典模型参数数量大导致高分辨率图像处理计算成本高昂，以及量子算法在图像处理方面的可扩展性挑战，仍是重大障碍。本文提出了一种用于超分辨率的量子图像增强转换器（QUIET-SR），它是一种混合框架，扩展了 Swin 转换器架构，引入新颖的移位量子窗口注意力机制，基于变分量子神经网络构建。QUIET-SR 有效捕获低分辨率图像与高分辨率图像之间的复杂残差映射，利用量子注意力机制增强特征提取和图像恢复，同时仅需极少的量子比特，适用于当前噪声中间规模量子（NISQ）时代。我们在 MNIST（30.24 PSNR, 0.989 SSIM）、FashionMNIST（29.76 PSNR, 0.976 SSIM）以及 MedMNIST 数据集上进行评估，表明 QUIET-SR 在 PSNR 和 SSIM 得分均与最先进方法相当，且参数更少。我们高效的批处理策略直接实现了在多个 QPU 上的大规模并行，为通过协同 QPU-GPU 量子超级计算机实现实际的量子增强图像超分辨率铺平了道路。
引用
@article{arxiv.2503.08759,
title = {QUIET-SR: Quantum Image Enhancement Transformer for Single Image Super-Resolution},
author = {Siddhant Dutta and Nouhaila Innan and Khadijeh Najafi and Sadok Ben Yahia and Muhammad Shafique},
journal= {arXiv preprint arXiv:2503.08759},
year = {2026}
}
备注
13 Pages, 7 Figures (5 Main figures, 2 Sub-figures), 2 Tables, Under Review