HiT-SR：高效图像超分辨率的层次 Transformer
内容提要
本文介绍了多种基于Transformer的图像超分辨率模型，如Hybrid Attention Transformer、Swin Transformer和S2R。这些模型通过结合不同的注意力机制和预训练策略，显著提升了超分辨率性能，实验结果在多个基准测试中优于现有方法。
延伸解读
Transformer 超分模型的演进脉络
从 Swin Transformer 作为通用骨干，到 HAT 融合通道与窗口注意力，再到 MaxSR、HST、S2R 等针对不同任务的改进，图像超分辨率领域的 Transformer 架构呈现出从通用到专用的演进趋势。这些模型在各自基准上不断刷新性能，但侧重点各异：有的追求理想数据集上的峰值指标，有的则关注真实场景的盲超分或屏幕内容超分。
性能提升与代价的权衡
文章提到多个模型在基准测试中取得显著提升，例如 HAT 优于现有方法超过 1dB，CFAT 提升 0.7dB，S2R 仅用 578K 参数就超越其他单图像 SR 模型。这些数据表明，性能提升并不总是依赖参数量的增加，轻量级设计和高效训练策略同样关键。但需注意，这些提升多基于特定基准，实际部署时还需考虑计算资源和泛化能力。
面向真实场景的挑战与对策
理想超分数据集上的优异表现往往难以直接迁移到真实场景，尤其是存在不可预测模糊核时。S2R 通过双赢框架和自上而下训练策略，在盲超分任务中实现了更好的视觉效果，并大幅加速迁移学习。ITSRN 则针对屏幕内容超分，调整像素查询坐标和隐式位置编码。这些工作提示读者，实际应用需根据退化类型选择合适模型。
Q&A
Hybrid Attention Transformer 模型的主要优势是什么？
Hybrid Attention Transformer 模型通过融合通道注意力和基于窗口的自注意机制，提升了图片超分辨率性能，实验证明优于现有方法超过 1dB。
Swin Transformer 在计算机视觉中的应用是什么？
Swin Transformer 作为通用骨干，具有强大的能力，适用于图像分类和目标检测等任务。
ITSRN 网络是如何解决超分辨率问题的？
ITSRN 网络通过调整像素查询坐标和隐式位置编码方案，实现高质量的连续超分辨率，实验表明其在处理压缩和非压缩 SCI 方面优于其他方法。
CFAT 模型的创新点是什么？
CFAT 模型结合了三角-矩形窗口和基于通道的全局注意力技术，能够激活更多图像像素的注意机制，从而提高超分辨率性能。
HST 模型在 AIM2022 挑战赛中的表现如何？
HST 模型在 AIM2022 挑战赛中取得了排名第五的优异结果，PSNR 达到 23.51dB，验证了模型的有效性。
S2R 框架的主要特点是什么？
S2R 框架包含轻量级的 S2R transformer 和新颖的自上而下的训练策略，能够在理想和随机模糊条件下实现出色的视觉结果。
