HAT：Activating More Pixels in Image Super-Resolution Transformer

图像恢复(Image restoration)是计算机视觉中的一个经典问题，它的目的是从给定的低质量（LQ）输入重建高质量（HQ）图像。

在SwinIR基础上进行改进并提出HAT。

通过 LAM，我们可以判断哪些输入像素对所选区域贡献最大

1. 信息利用范围可视化对比

• 窗口分区机制对比
  伪影是由窗口分区机制引起的
  
  论文贡献：
• 设计了一种新的混合注意力变换器（HAT），它结合了自注意力、通道注意力和新的重叠交叉注意力，以激活更多像素以实现高质量图像恢复。
• 提出了一种有效的同任务预训练策略，以进一步挖掘 SR Transformer 的潜力，并展示大规模数据预训练对于 SR 任务的重要性。
• 方法在 SR 任务上明显优于现有的最先进方法。通过进一步扩展 HAT 来构建大模型，我们极大地扩展了 SR 任务的性能上限。
• 方法还在图像去噪和压缩伪影减少方面实现了最先进的性能，显示了我们的方法在各种图像恢复任务上的优越性。