Transformando Super-Resolução de Imagens: Uma Abordagem Eficiente Baseada em ConvFormer

Os avanços recentes em super-resolução de imagens únicas (SISR) alcançaram desempenho notável, mas os custos computacionais desses métodos continuam sendo um desafio para a implementação em dispositivos com recursos limitados. Em particular, os métodos baseados em transformadores, que aproveitam mecanismos de autoatenção, levaram a grandes avanços, mas também introduzem custos computacionais substanciais. Para enfrentar esse problema, apresentamos a camada de Transformador Convolucional (ConvFormer) e propomos uma rede de Super-Resolução baseada em ConvFormer (CFSR), oferecendo uma solução eficaz e eficiente para super-resolução de imagem leve. O método proposto herda as vantagens das abordagens baseadas em convolução e em transformadores. Especificamente, o CFSR utiliza convoluções de grande núcleo como misturador de características para substituir o módulo de autoatenção, modelando de forma eficiente dependências de longo alcance e amplos campos receptivos com sobrecarga computacional mínima. Além disso, propomos uma rede feed-forward de preservação de bordas (EFN) projetada para alcançar agregação de características locais enquanto preserva efetivamente informações de alta frequência. Extensos experimentos demonstram que o CFSR alcança um equilíbrio ideal entre custo computacional e desempenho em comparação com métodos SR leves existentes. Quando comparado a métodos de ponta, como ShuffleMixer, o CFSR proposto obtém um ganho de 0,39 dB no conjunto de dados Urban100 para a tarefa de super-resolução x2, enquanto requer 26% e 31% menos parâmetros e FLOPs, respectivamente. O código e os modelos pré-treinados estão disponíveis em https://github.com/Aitical/CFSR.