基于全注意力网络的单图像超分辨率

在单图像超分辨率任务中，信息丰富的特征起着至关重要的作用。通道注意力机制已被证明能够有效保留每一层中的信息丰富特征。然而，传统的通道注意力将每个卷积层视为独立处理过程，忽略了不同层之间的关联性。为解决这一问题，本文提出一种新型的全局注意力网络（Holistic Attention Network, HAN），该网络由层注意力模块（Layer Attention Module, LAM）和通道-空间注意力模块（Channel-Spatial Attention Module, CSAM）组成，旨在建模层间、通道间以及空间位置之间的全局依赖关系。具体而言，所提出的LAM通过考虑层间的相关性，自适应地增强分层特征；同时，CSAM在每个通道的所有位置上学习注意力置信度，从而有选择性地捕获更具信息量的特征。大量实验结果表明，所提出的HAN在性能上优于当前最先进的单图像超分辨率方法。