二阶泰勒展开加速自相似超分网络

注意力复杂度 O(N²) 降至 O(N)

用二阶泰勒展开把自相似超分中的注意力计算解耦成线性复杂度，再通过多尺度大视野接收弥补近似带来的性能损失，让盲超分在实验室和真实场景都达到新基准。

Jiancong, Feng · 王员根 · Li, Mingjie · Xing, Fengchuang

IEEE Transactions on Multimedia 2025

技术优势

复杂度降一个量级

用二阶泰勒展开近似 softmax，把 query-key 乘法从 O(N²) 降到 O(N)，高分辨率输入不再担心算力爆炸。

近似精度有补偿

多尺度大视野接收模块专门弥补泰勒展开带来的性能下降，实验室和真实场景都验证了其有效性。

真实图像上更清晰

在真实世界数据集上，RealNet 重建图像的视觉质量超过现有方法，部署到实际超分任务有直接优势。

应用场景

• 盲超分：用线性复杂度注意力替代原有高开销计算，盲超分模型能处理更大分辨率输入。
• 图像重建：在合成和真实数据集上重建质量均优于现有方法，可直接用于图像修复任务。
• 实时图像处理：O(N) 复杂度显著减少计算延迟，满足实时超分场景的吞吐需求。
• 边缘端视觉：线性复杂度降低算力门槛，使自相似超分能够部署在边缘设备上。