摘要

基于Transformer的模型通过其天然捕捉复杂上下文特征的能力，彻底革新了图像超分辨率（Super-Resolution, SR）领域。当前Transformer架构中广泛采用的重叠矩形移位窗口（overlapping rectangular shifted window）机制，已成为提升图像上采样质量与鲁棒性的常用策略。然而，该方法在图像边界处容易引入失真，且可实现的移位模式种类有限。为克服上述缺陷，本文提出一种非重叠三角形窗口机制，该机制与矩形窗口协同工作，有效缓解边界失真问题，并使模型能够探索更多独特的特征筛选模式。本文进一步提出一种复合融合注意力Transformer（Composite Fusion Attention Transformer, CFAT）模型，该模型在图像超分辨率任务中融合了基于三角形-矩形窗口的局部注意力机制与基于通道的全局注意力机制。通过这一设计，CFAT能够激活更多图像像素上的注意力响应，有效捕捉长距离、多尺度的特征信息，显著提升超分辨率性能。大量实验结果及消融研究验证了CFAT在超分辨率任务中的有效性。与现有先进SR模型相比，所提模型在性能上实现了显著提升，PSNR指标提升达0.7 dB。