基于自适应大核注意力的轻量级图像超分辨率网络

摘要

针对高性能图像超分辨网络通常参数量庞大的问题，提出了一种轻量级模型。首先，集成了3种大核注意力，即双路大核注意力、大核像素注意力和大核通道注意力，旨在扩大模型感受野，建立像素的长程依赖性。其次，引入了自适应注意力融合机制，增强了特征的表征能力，提升了模型性能。实验证明：本文模型在视觉感知和量化测试上表现优异。在Urban100数据集上，与目前流行的ARRFN算法相比，4倍重建结果的峰值信噪比均值提高了0.25 dB。重建图像视觉效果更逼真、纹理更为清晰和自然，充分证明了该算法的有效性。

关键词

计算机视觉 / 超分辨 / 大核注意力 / 轻量化 / 自适应特征融合

基金资助

国家自然科学基金项目(52304182;52204177); 四川省数据恢复重点实验室开放基金项目(DRN2408)