CVPR 2025全网首发即插即用模块-TAB！

文章预览

论文题目：LSNet: See Large, Focus Small 论文地址：https://arxiv.org/pdf/2503.06896 代码地址：https://github.com/EquationWalker/CATANet 创新点 与以往基于聚类的方法不同，CATA模块通过计算令牌与令牌中心之间的相似度来聚合内容相似的令牌，形成内容感知区域，而不是依赖于传统的聚类算法（如k-means）或哈希值。这种基于内容的聚合方式能够更准确地捕捉图像中的长距离相似性，从而更好地利用全局信息进行超分辨率重建。 IASA模块负责在内容感知区域内进行细粒度的长距离信息交互。通过允许每个子组的查询（Q）与相邻子组的键（K）和值（V）进行自注意力操作，IASA能够更精细地捕捉令牌之间的长距离依赖关系，从而提高超分辨率重建的质量。 TAB模块结合了CATA、IASA和IRCA，能够高效地实现细粒度的长距离信息交互。与基于局部区域的方法相比，TAB在保持较低计算 ………………………………