论文介绍
摘要
基于Transformer的模型已在多种低视觉任务中广泛应用并取得显著成效，尤其在单图像超分辨率（SR）领域表现突出。尽管超分辨率技术取得了重大进展，但基于Transformer的SR方法（如SwinIR）仍存在计算成本高、偏向低频信息的问题，同时忽视了丰富高频信息的重建，从而限制了Transformer的表征能力。
为解决这些问题，本文提出一种轻量级图像超分辨率的新方法——频率感知Transformer（FreqFormer）。具体而言，首先引入频率分割模块（FDM），以分治方式分别处理高频和低频信息。此外，设计频率感知Transformer模块（FTB），通过空间频率注意力与通道转置注意力联合提取特征，以恢复高频细节。在公开数据集上的大量实验表明，FreqFormer在定量指标与视觉质量上均优于当前最先进的超分辨率方法。
文章地址：地址
改进步骤
步骤1
新建ultralytics\\nn\\extra_modules\\block.py，添加如下代码：
