注意力脉冲神经网络：高效遥感图像超分辨率中的脉冲遇上注意力
计算机视觉与模式识别
2025-10-10 v3
摘要
脉冲神经网络（SNN）正成为传统人工神经网络（ANN）的有前景的替代方案，提供生物学上的合理性和能源效率。尽管如此，SNN常受限于其容量不足和表示力不足，然而在遥感图像超分辨率（SR）任务中仍鲜有探索。本文首先观察到，脉冲信号在不同纹理之间呈现出剧烈的强度变化，凸显神经元的主动学习状态。这一观察激励我们将SNN应用于遥感图像的高效超分辨率。灵感来自注意力机制在表示显著信息方面的成功，我们设计了脉冲注意力模块（SAB），是一个简洁而有效的组件，通过推断注意力权重优化膜电位，从而调节脉冲活动以实现更优的特征表示。我们的关键贡献包括：1）我们桥接了时间维度和通道维度之间的独立调制，促进联合特征相关性学习，2）我们访问大规模遥感图像中的全局自相似模式，以推断空间注意力权重，纳入有效的先验知识以实现真实可信的重建。基于SAB，我们提出了SpikeSR，在各种遥感基准测试（如AID、DOTA和DIOR）上实现了最先进的性能，同时保持高计算效率。SpikeSR的代码将在 https://github.com/XY-boy/SpikeSR 获取。
引用
@article{arxiv.2503.04223,
title = {Spiking Meets Attention: Efficient Remote Sensing Image Super-Resolution with Attention Spiking Neural Networks},
author = {Yi Xiao and Qiangqiang Yuan and Kui Jiang and Wenke Huang and Qiang Zhang and Tingting Zheng and Chia-Wen Lin and Liangpei Zhang},
journal= {arXiv preprint arXiv:2503.04223},
year = {2025}
}
备注
Accepted by NeurIPS 2025