LSAGNet：用于图像超分辨率的轻量级自注意力引导网络

1. 研究背景与问题​

• ​单图像超分辨率（SISR）​​ 旨在从低分辨率图像恢复高分辨率细节，是图像处理的核心任务。
• ​现有方法的局限​：
  • CNN 方法（如 EDSR、IMDN）依赖局部特征，但忽视全局信息。
  • Transformer 方法（如 SwinIR）利用全局特征，但窗口机制导致局部连续性缺失。
  • 现有混合方法（如 DLGSANet、ELAN）结合局部和全局特征，但参数量和计算成本高，难以平衡性能与效率。

---

​2. 核心创新：LSAGNet 架构​

提出轻量级自注意力引导网络（LSAGNet），通过以下模块实现高效特征融合：

​​（1）整体架构设计​

• ​端到端结构​（图2）：
  • 输入图像经浅层卷积后，通过 ​N 个残差混合变换器组（RHTG）​​ 提取特征。
  • 输出经重参数化卷积（RepConv）和上采样生成高分辨率图像。
  • ​关键公式​：