LoFormer，局部频率 Transformer助 力图像去模糊，平衡全局建模与细粒度相关性 ！

文章预览

由于自注意力（SA）的计算复杂性，图像去模糊的常见技术往往要么采用局部SA，要么使用粗粒度全局SA方法，但这两种方法都存在一些缺点，比如牺牲全局建模能力或缺乏细粒度相关性。 为了解决这个问题，同时有效地建模长距离依赖关系而不牺牲细粒度细节，作者提出了一种新颖的方法，称为局部频率 Transformer （LoFormer）。 在LoFormer的每个单元中，作者在频域（Freq-LC）中引入了局部通道自注意力机制，以同时捕获低频和高频局部窗口内的交叉协方差。 这些操作具有以下优点：(1)确保了粗粒度结构和细粒度细节具有平等的学习机会，(2)与粗粒度全局SA方法相比，探索了更广泛的表示性属性。此外，作者提出了一种与Freq-LC互补的MLP门控机制，该机制旨在过滤掉不相关的特征，同时增强全局学习能力。 作者的实验表明，LoFormer在图像去模糊任务中显 ………………………………