YoloV8改进：注意力改进|Block改进|ESSAformer，用于高光谱图像超分辨率的高效Transformer|即插即用

摘要

一、论文介绍

• 高光谱图像超分辨率的重要性：高光谱成像技术通过密集采样光谱特征，为材料区分提供丰富的光谱和空间结构信息，广泛应用于各领域。高光谱图像超分辨率（HSI-SR）旨在从低分辨率HSI生成高分辨率HSI。
• 传统方法的局限性：传统方法依赖手工制作的先验，如低秩近似和稀疏编码，来设计映射函数，但存在局限性。CNN方法虽有所改进，但受限于卷积核的局部特征捕获能力，可能导致不希望的伪影。
• ESSAformer的提出：为解决上述问题，论文提出ESSAformer模型，利用Vision Transformers中的注意力机制捕获长距离依赖关系，提供强大表示能力。

二、创新点

• SCC自注意力机制：引入光谱相关系数（SCC）作为稳健光谱相似性度量，结合通道归纳偏置，提高数据效率和表示能力。
• 高效Transformer设计：ESSAformer采用多个阶段顺序处理特征，每个阶段包含重缩放模块、ESSA和FFN模块，实现轻量级模型设计。