Revisiting Image Deblurring with an Efficient ConvNet论文阅读

1. 研究目标与实际意义

1.1 研究目标

论文旨在解决高分辨率图像去模糊任务中 Transformer 架构计算成本过高的问题，同时克服传统 CNN 感受野有限的缺陷。核心目标是设计一种轻量化的纯卷积网络（CNN），在保持高效性的同时实现与 Transformer 相当的性能。

引用原文：
“We propose a unified lightweight CNN network that features a large effective receptive field (ERF) and demonstrates comparable or even better performance than Transformers while bearing less computational costs.”

1.2 实际意义

1. 移动端应用：高分辨率图像去模糊在智能手机摄影、安防监控和自动驾驶等领域有广泛应用。降低计算成本（如参数量和 MACs）可推动算法在边缘设备的部署。
2. 算法效率瓶颈：Transformer 的自注意力机制（MHSA）计算复杂度随分辨率呈二次方增长（O(n²)），难以处理高分辨率输入（如 4K 图像）。
3. 产业价值：提升去模糊效率可增强图像质量，辅助下游任务（如目标检测、文本识别）。

---

2. 创新方法：LaKDNet 架构与核心设计

2.1 核心思路：大核卷积与空间-通道解耦

图 2：LaKDNet 架构

论文提出 LaKD（Large Kernel Depth-wise）模块，核心创新在于：

• 大核深度可分离卷积（Large Kernel Depth-wise Convolution）：
  采用 9×9 或更大的卷积核（远超传统 3×3设计），显式扩大 有效感受野（Effective Receptive Field, ERF），模拟 Transformer 的全局依赖建模能力。
• 空间-通道解耦混合机制（Spatial-Channel Decoupled Mixing）：
  将特征处理分解为 空间混合（大核卷积）和 通道混合（1×1 点卷积），避免标准 3D 卷积的计算冗余。

原文依据：
“Our key design is an efficient CNN block dubbed LaKD, equipped with a large kernel depth-wise convolution and spatial-channel mixing structure, attaining comparable or larger ERF than Transformers but with a smaller parameter scale.”

2.2 网络架构：对称 U-Net 与层级化 LaKD 模块

整体结构为 4 层编码器-解码器（U-Net 架构），每层含 N 个 LaKD 模块（图 2）：

• 特征混合模块（Feature Mixer）：
  • 两次重复操作：大核深度卷积（空间混合） → 1×1 点卷积（通道混合）。
  • 引入 内部残差连接（Inner Shortcut）缓解梯度消失。
• 特征融合模块（Feature Fusion）：
  • 3×3 深度卷积 + 门控机制（Gating Mechanism），增强局部特征交互。

关键公式（对应论文公式 1-3）：

1. 特征混合递归计算：
   $$z_{k+1}^n=z_0^n+g(z_k^n),g=\{\begin{array}{l}\text{depthwise conv},\\ \text{pointwise conv},\end{array}$$