IJCV 2025 | SRConvNet：一种用于轻量级图像超分辨率的 Transformer 风...

文章预览

来 源：PaperEveryday 本文 共2800字 ，建议阅读 5 分钟 本文为你介绍一种卷积网络。 1、论文创新点 提出新型网络架构： 论文提出了 SRConvNet ，融合了卷积神经网络（ConvNet）和视觉Transformer（ViT）的优点，用于轻量级图像超分辨率（SISR）任务。该网络通过特殊设计，在效率和准确性之间达到了较好的平衡，相比现有方法具有显著优势。 设计傅里叶调制注意力机制： 创新地提出 傅里叶调制注意力（FMA） 。FMA模仿ViT中的多头自注意力（MHSA），通过区域频率 - 空间调制，在比典型MHSA更低的计算成本下，实现从全局到局部的上下文学习，有效对长期和短期依赖关系进行建模，提升了模型的SR重建能力。 构建动态混合层： 设计了 动态混合层（DML） ，利用混合尺度的深度动态卷积以及通道分割和混洗技术。DML能捕获多尺度局部上下文信息，同时通过生成动 ………………………………