用于图像超分辨率的双聚合Transformer

近年来，Transformer在低层视觉任务中获得了广泛关注，尤其在图像超分辨率（Image Super-Resolution, SR）领域表现出色。这类网络通过在空间维度或通道维度上引入自注意力机制，实现了卓越的性能。受此启发，我们提出将空间与通道两个维度进行协同融合，以构建更具表达能力的模型。基于这一思路，本文提出一种新型Transformer架构——双聚合Transformer（Dual Aggregation Transformer, DAT），用于图像超分辨率任务。所提出的DAT模型在块间（inter-block）与块内（intra-block）两个层面，分别实现空间与通道维度的特征聚合。具体而言，我们在连续的Transformer块中交替应用空间自注意力与通道自注意力机制，该交替策略使模型能够有效捕捉全局上下文信息，并实现块间的特征聚合。此外，我们设计了自适应交互模块（Adaptive Interaction Module, AIM）与空间门控前馈网络（Spatial-Gate Feed-Forward Network, SGFN），以实现块内的特征聚合。其中，AIM通过融合来自不同维度的自注意力机制，增强特征表达能力；而SGFN则在前馈网络中引入额外的非线性空间信息，进一步提升模型对空间结构的建模能力。大量实验结果表明，所提出的DAT模型在多个基准数据集上均显著优于现有方法。代码与模型已开源，获取地址为：https://github.com/zhengchen1999/DAT。