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。

该文汇总了多项图像超分辨率研究：WaveMixSR用小波变换替代Transformer以节省资源；CAMixer结合注意力与卷积用于SAR变化检测；SMSR学习稀疏掩模跳过冗余计算；CoSeR融合语言理解生成认知嵌入；内容感知比特映射优化混合精度；多任务学习保留结构细节；ConvFormer以卷积替代自注意力；两阶段注意力网络由粗到细重建；光流与孪生网络提升低分辨率视频动作识别；CiaoSR实现任意比例超分。