跨域聚合频率融合Transformer：轻量化图像超分辨率重建新方法

本文提出了一种创新的轻量化图像超分辨率（SISR）方法——跨域聚合频率融合Transformer（CAFT），通过空间域交叉探索注意力（SCEA）、通道域转置注意力（CDTA）和频率引导融合块（FGFB）模块，实现了空间-通道双维度交互与频域特征提取。实验表明，CAFT在Manga109数据集上较DiVANet、SPAN等方法提升0.40-0.47dB，兼具低计算复杂度与优异细节恢复能力。

　　

亮点

本研究通过跨域聚合策略突破传统ViT单维度限制：

1. 空间域交叉探索注意力（SCEA）：将2D自注意力分解为高度/宽度轴向的1D卷积核序列，通过交叉注意力机制建立长程依赖（计算复杂度从O(HW×HW)降至O(HW×(H+W))）

2. 通道域转置注意力（CDTA）：结合BSConv局部上下文混合与通道协方差计算，实现跨通道交互

3. 频率引导融合块（FGFB）：基于快速傅里叶变换（FFT）提取边缘/纹理等高频频域特征

整体结构

CAFT框架包含：

• 浅层特征提取（3×3卷积处理输入I_LR∈R^H×W×C）

• 深层特征提取（级联SCEA-CDTA-FGFB的残差组RG）

• 图像重建模块

结论

CAFT通过空间-通道-频域三重协同机制，在保持参数效率（参数量仅x.xM）的同时，显著提升纹理细节恢复能力，为移动端超分辨率应用提供新范式。