2025_NIPS_DIFFSSR: Stereo Image Super-resolution Using Differential Transformer

文章主要内容与创新点总结

一、主要内容

本文聚焦立体图像超分辨率（StereoSR）任务，针对传统Transformer模型在该任务中存在的注意力噪声、水平极线错位导致性能下降等问题，提出了一种名为DIFFSSR的新型神经网络架构。该架构通过重新设计差分Transformer适配视觉任务，整合创新模块提升立体图像超分辨率效果，在Flickr1024、KITTI 2012/2015、Middlebury等多个基准数据集上，在峰值信噪比（PSNR）、结构相似性指数（SSIM）等定量指标及视觉质量上均超越NAFSSR、SwinFIRSSR等现有先进方法，代码已开源。

二、核心创新点

1. 提出DIFFSSR架构：专为立体图像超分辨率设计，首次将差分Transformer（DIFF Transformer）应用于视觉任务，充分利用立体图像对的互补信息提升分辨率。
2. 设计差分交叉注意力块（DCAB）：解决原有差分Transformer在视觉任务中的不适用性，通过窗口化多头差分注意力（W-MDA）和轻量级立体特征耦合机制，区分相关与无关上下文，放大重要特征注意力、抵消噪声，同时增强左右视图信息交互。
3. 提出滑动立体交叉注意力模块（SSCAM）：重新设计传统立体交叉注