基于自注意力特征蒸馏的轻量级图像超分辨率重建.pdfVIP

第51卷第5期/2025年5月/计算机工程研究论文

基于自注意力特征蒸馏的轻量级图像超分辨率重建

赵瑶谦，滕奇志1,何小海,税爱，陈洪刚1*

（1.四川大学电子信息学院，四川成都610065；2.四川德爱鑫玛机器有限公司，四川遂宁629200）

摘要：单幅图像超分辨率(SISR)旨在从给定的低分辨率(LR)图像中重建出高分辨率(HR)图像。近年来，基于

深度学习的SISR算法取得了出色的重建效果，引起了广泛关注。然而，大多数基于深度学习的SISR算法存在复

杂度高、参数量大等问题，影响实际应用。为了克服以上问题，提出一种基于自注意力特征蒸馏的模块，在降低模

型复杂度的同时充分提取图像深层特征，实现轻量化的超分辨率重建。该模块包含2个技术创新：一是在全局注

意力的计算中提出基于非对称卷积的前馈网络，利用非对称卷积优越的非线性特征提取能力压缩输入通道，节省

计算开销；二是在空间注意力模块中引人部分通道位移操作，在不增加计算量的同时，通过位移部分通道达到提

高特征多样性的目的。在6个常用公开数据集上的超分辨率实验结果表明，相比于CARN、SMSR,DLGSANet等

具有代表性的轻量级SISR算法，所提算法在峰值信噪比（PSNR）、结构相似度（SSIM）、LPIPS评价指标上取得了

更好的表现，同时重建结果的主观视觉效果更优，更好地平衡了模型复杂度与重建性能。

关键词：图像超分辩率；特征蒸馏；深度学习；非对称卷积；自注意力

中图分类号：TP391文献标志码：AD0l:10.19678/j.issn.1000-3428.0069822

LightweightImageSuper-ResolutionReconstructionBasedon

Self-AttentionFeatureDistillation

ZHAOYaoqian,TENGQizhi,HEXiaohai,SHUIAi°,CHENHonggang*

(1.CollegeofElectronicsandInformationEngineering,SichuanUniversity,Chengdu610065,Sichuan,China;

2.D.I.Sinma(Sichuan)MachineryCo.,Ltd,,Suining629200,Sichuan,China)

Resolution(LR)images.Inrecentyears,deeplearning-basedSISRmethodshaveachievedoutstanding

reconstructionresults,attractingwidespreadattention.However,mostmodelssufferfromhighcomplexityand

largeparametersize,whichaffectstheirpracticalapplication.Toovercometheseissues,thisstudyproposesa

modulebasedonself-attentionfeaturedistillation,whichreducescomplexitywhilefullyextractingdeepimage

features,achievinglightweightsuper-resolutionreconstruction.Theproposedmodulehastwotechnicalfeatures.

First,afeedbacknetworkbasedonasymmetricconvolutionisproposedforcomputingglobalattention,utilizingthe

superiornonlinearfeatureextractioncapabi