随着技术发展，用户对超高分辨率图像和视频的需求增加。本文介绍了一种名为CAMixerSR的超分框架，通过优化Conv和Self-Attention的分配计算量，实现从低分辨率图像到高分辨率图像的转换。实验结果显示，CAMixerSR在超高分辨率数据集和通用场景中表现出良好的性能优势。

通过ConvFormer和CFSR提出了一种轻量级图像超分辨率解决方案，使用大卷积核卷积替代自注意模块，实现了较长范围依赖关系和广泛接受域的建模，保留了更多高频信息，并在计算成本和性能之间取得了平衡。