LKFormer：红外图像超分辨率的大内核 Transformer
内容提要
该文综述多项视觉Transformer改进研究：ConvFormer以大卷积核替代自注意力实现轻量超分辨率；HiFormer融合CNN与Swin用于医学分割；iFormer用Inception混合器兼顾高低频；T-former以线性注意力做图像修复；Laplacian-Former增强高频建模用于分割；DualFormer高效处理视频时空依赖；SLaK用超大卷积核纯卷积网络媲美Transformer；D-LKA Net用变形大核注意力分割；另涉及低光增强及InstaFormer实例感知图像转换方法。
延伸解读
大卷积核为何能替代自注意力
ConvFormer 的核心是用大卷积核卷积作为特征混合器，替代 Transformer 中的自注意力模块。文章指出，这样做能在计算成本仅稍微增加的情况下，建模较长范围依赖和广泛接受域，同时保留更多高频信息。对红外图像超分辨率而言，高频细节正是提升清晰度的关键，因此这一设计思路比单纯堆叠自注意力更贴合任务需求。
轻量超分在成本与性能间的取舍
基于 ConvFormer 的 CFSR 网络定位为轻量级超分辨率方案。文章强调它相对于现有轻量级 SR 方法，在计算成本和性能之间取得了先进平衡。这意味着该方案并非追求极致指标，而是面向算力受限场景。读者需注意，文中未给出具体参数量、推理速度或数据集指标，实际部署前仍需结合自身硬件和图像类型做验证。
高频建模是多项工作的共同线索
从综述看，iFormer 用 Inception 混合器兼顾高低频，Laplacian-Former 通过拉普拉斯金字塔增强高频建模，ConvFormer 也强调保留高频信息。这些工作共同指向一个判断：视觉 Transformer 在捕捉图像高频组件上存在局限。对红外图像而言，高频往往对应边缘和细节，因此高频建模能力可作为评估超分模型的重要观察维度。
从通用视觉到红外超分的迁移边界
文中列举的 HiFormer、T-former、DualFormer、SLaK、D-LKA Net 等分别面向医学分割、图像修复、视频识别和分类等任务，并非都为红外超分辨率设计。ConvFormer 与 CFSR 是其中与超分最直接相关的工作。读者应区分通用视觉架构的改进与红外图像超分的专用验证，避免将其他任务的结论直接套用到红外场景。
Q&A
LKFormer 是什么？它和红外图像超分辨率有什么关系？
文章标题提到 LKFormer 是用于红外图像超分辨率的大内核 Transformer，但正文未展开具体细节，主要综述了多项视觉 Transformer 改进研究，如 ConvFormer 用大卷积核替代自注意力实现轻量超分辨率。
ConvFormer 如何实现轻量级图像超分辨率？
ConvFormer 通过引入 Convolutional Transformer 层，使用大卷积核卷积作为特征混合器替代自注意模块，建模长范围依赖和广泛接受域，在计算成本稍增的情况下保留更多高频信息，并在计算成本与性能间取得先进平衡。
HiFormer 在医学图像分割中有什么创新？
HiFormer 使用 Swin Transformer 模块和基于 CNN 的编码器设计两种多尺度特征表示，并在跳跃连接中提出 Double-Level Fusion（DLF）模块，实现全局和局部特征的细粒度融合，在计算复杂度、定量和定性结果上优于其他 CNN、Transformer 和混合方法。
iFormer 如何同时捕捉图像的高频和低频信息？
iFormer 是一种基于 Inception 的 Transformer 架构，通过 Inception mixer 操作使网络更好地捕捉高频和低频信息，并加入渐进降低高频分量和增加低频分量的结构，在图像分类等任务上表现优秀。
Laplacian-Former 如何提升语义分割中的高频建模？
Laplacian-Former 通过自适应重新校准 Laplacian 金字塔中的频率信息来增强自注意力图，并通过有效的增强多尺度桥梁将空间信息从编码器传递到解码器，从而在语义分割中有效分割肿瘤和皮肤病变。
DualFormer 在处理视频时空依赖时有什么效率优势？
DualFormer 是一种用于视频识别的新型 Transformer 架构，能有效处理空间-时间关注，捕捉短距离和长距离的时空依赖，并通过本地-全局层次划分策略显著减少注意力计算中的关键值个数，提高效率，在五个视频基准测试上验证了优越性能。
