إن استرجاع الصور عالية الدقة من صورة منخفضة الدقة (SISR) هو مهمة أساسية في الرؤية الحاسوبية منخفضة المستوى، وتهدف إلى استعادة صور عالية الدقة من نسخ منخفضة الدقة. لقد ساهمت آليات الانتباه التقليدية بشكل كبير في تحسين أداء SISR، لكنها غالبًا ما تؤدي إلى هيكل شبكي معقد وعدد كبير من المعاملات، ما يسبب بطءًا في عملية الاستنتاج وحجم نموذج كبير. ولحل هذه المشكلة، نقترح شبكة انتباه خالية من المعاملات سريعة (SPAN)، وهي نموذج فعّال جدًا لاسترجاع الصور عالية الدقة، يوازن بين عدد المعاملات، وسرعة الاستنتاج، وجودة الصورة. تعتمد SPAN على آلية انتباه جديدة خالية من المعاملات، تستخدم دوال تنشيط متماثلة واتصالات تلافية (residual connections) لتعزيز المعلومات ذات المساهمة العالية وتقليل المعلومات الزائدة. تُظهر التحليلات النظرية التي قمنا بها فعالية هذا التصميم في تحقيق الغاية من آلية الانتباه. وقد قمنا بتقييم SPAN على عدة معايير معيارية، وأظهرت النتائج أنها تتفوق على النماذج الفعّالة الحالية لاسترجاع الصور عالية الدقة من حيث جودة الصورة وسرعة الاستنتاج، محققة توازنًا ملحوظًا بين الجودة والسرعة. وهذا يجعل SPAN مناسبة للغاية للاستخدامات الواقعية، خصوصًا في السيناريوهات التي تكون فيها الموارد محدودة. وبشكل لافت، حصلنا على المركز الأول في كلا المسابقتين: المسابقة الشاملة للأداء، ومسابقة أداء الوقت، ضمن مسابقة NTIRE 2024 لاسترجاع الصور عالية الدقة الفعّالة. تم إتاحة الكود والنماذج الخاصة بنا بشكل عام على الرابط التالي: https://github.com/hongyuanyu/SPAN.