论文: High-Similarity-Pass Attention for Single Image Super-Resolution作者: Jian-Nan Su, Min Gan, Guangyong Chen, Wenzhong Guo, C. L. Philip Chen发表: IEEE Transactions on Image Processing (TIP), Vol. 33, pp. 610-624, 2024DOI: 10.1109/tip.2023.3348293论文链接: https://ieeexplore.ieee.org/document/10382425代码链接: https://github.com/laoyangui/HSPAN一、引言非局部注意力（Non-Local Attention, NLA）近年来在单图像超分辨率（SISR）中备受关注，其核心思想是利用图像内部非局部自相似性（Non-Local Self-Similarity, NSS）来增强重建细节。然而，本文作者通过深入分析发现了一个令人惊讶的现象：标准NLA的注意力图与随机选取区域的NLA重建性能几乎相同。这一发现引出了本文的核心问题——标准NLA的概率分布对每个局部特征都具有"全支撑"（full support），这意味着模型将
