双先验感知轻量级单图像超分辨率重建网络DPALSR

《Algorithms》：DPALSR: Dual Prior-Aware Lightweight Super- Resolution Network

　　

摘要

轻量级单图像超分辨率重建（SISR）在受限的计算预算下，需要有效的局部结构表示和更广泛的上下文建模。我们提出了DPALSR——一种双先验感知轻量级超分辨率网络，该网络利用互补的方向性线索对级联的注意力查询表示进行条件化处理。可学习约束拉普拉斯注意力（LCLA）从可学习的零和结构响应的梯度中推导局部方向，而傅里叶神经算子注意力（FNOA）则通过紧凑的频谱处理推导窗口内更粗粒度的上下文方向。这些线索为学习的特征交互提供了结构化的归纳偏置。在五个标准SISR基准测试上，DPALSR实现了具有竞争力的重建精度与复杂度之间的权衡。当放大倍数为4倍时，在Urban100数据集上取得了27.01 dB/0.8128的成绩，在Manga109数据集上取得了31.52 dB/0.9203的成绩，参数量为887K，报告的FLOPs为59.8G。与已发表的MambaIRv2-Light工作点相比，PSNR值分别高出0.19和0.28 dB，同时FLOPs减少了约20.9%。