1. HAT介绍 1.1  摘要：基于 Transformer 的方法在低级视觉任务（例如图像超分辨率）中表现出了令人印象深刻的性能。 然而，我们发现这些网络通过归因分析只能利用有限的输入信息空间范围。 这意味着 Transformer 的潜力在现有网络中仍未得到充分发挥。 为了激活更多的输入像素以实现更好的重建，我们提出了一种新颖的混合注意力变换器（HAT）。 它结合了通道注意力和基于窗口

一、本文介绍 本文给大家带来的改进机制是HAttention注意力机制，混合注意力变换器（HAT）的设计理念是通过融合通道注意力和自注意力机制来提升单图像超分辨率重建的性能。通道注意力关注于识别哪些通道更重要，而自注意力则关注于图像内部各个位置之间的关系。HAT利用这两种注意力机制，有效地整合了全局的像素信息，从而提供更为精确的结果(这个注意力机制挺复杂的光代码就700+行)，但是效果挺好的也是