【ARXIV2203】Efficient Long-Range Attention Network for Image Super-resolution
1、研究动机
尽管Transformer已经“主宰”了CV领域，在图像修复领域也有较多应用。但是Transformer中的自注意力计算量代价过于昂贵，同时某些操作对于超分而言可能是冗余的，这就限制了自注意力的计算范围，进而限制了超分性能。
本文提出了一种用于图像超分的高效长程距离网络ELAN(Efficient Long-range Attention Network)，该模型架构如下所示，核心是 ELAB 模块，下面对这个模块进行详细介绍。
2、ELAB模块
ELAB模块包括两个关键部分： 局部特征提取 和 GMSA。
（1）局部特征提取
局部特征提取采用两个shift-conv+ReLU组合进行处理。具体来说，shift-conv由四个shift操作与卷积1x1卷积组成，shift操作则旨在对输入特征进行上下左右移位，然后将所得五组特征送入后接 1x1 卷积进行降维与信息聚合。无需引入额外可学习参数与计算量， shift-conv可以获得与（3x3卷积）相同的感受野与 1x1 卷积相当的计算量。
（2）GMSA
Group-wise multi-scale self-attention, GMSA 首先将输入特征分成K组，然后对不同组在不同窗口尺寸上执行自注意力，最后采用 1x1 卷积对不同组特征进行信息聚合。
注意力计算时使用了改进方法ASA，如上图所示，主要改进的地方为：
- 将LN替换为BN，作者认为LN对于推理并不友好，BN不仅可以稳定训练同时在推理阶段可以合并进卷积产生加速效果。
- 原来的自注意力需要要三个1X1卷积，这里进行了合并，只需要两个了。其中，L x M x M = H x W。是在局部窗口里计算注意力，M x M 是窗口的数量。
为了进一步加速计算，作者提出了 shared attention ： 第i个自注意力模块的注意力图直接被同尺度后接n个自注意力模块复用。通过这种方式，我们可以避免2n个reshape与n个 1x1 卷积。作者发现：所提共享注意力机制仅导致轻微性能下降，但它可以在推理阶段节省大量的计算资源。
实验部分可以参考作者论文，这里不再过多介绍。