频域分析为图像去模糊提供了新视角。复杂度高、空间信息丢失等问题。

FFTformer：频域与Transformer的深度融合

正宗。 本文提出FFTformer， 首次将频域分析与Transformer深度融合，构建频域-空间双分支架构，实现高效、高质量的图像去模糊。实验表明，FFTformer在性Neng与效率上均优于现有方法，you其在周期性模糊和长程依赖场景中表现突出。

FFTformer的核心机制

频域与空间特征的融合是FFTformer的关键。 我满足了。 我们设计跨域注意力模块， 其流程如下：

1. 输入模糊图像先说说tong过FFT转换为频域表示，一边保留原始空间图像作为辅助输入。
2. 频域编码器提取频谱特征，空间编码器捕捉局部纹理。
3. 跨域注意力模块动态融合两者信息，到头来tong过解码器重建清晰图像。

频谱分块

SPA的优势在于：tong过分块降低计算量， 复杂度从O降至O；频谱块间注意力可捕捉全局频域模式， 至于吗？ 如周期性模糊；与空间注意力互补，避免过拟合局部纹理。

空间编码器的设计

空间编码器采用Swin Transformer的分层设计，tong过窗口多头自注意力和滑动窗口多头自注意力实现局部-全局特征提取。为适配去模糊任务，我们引入以下改进：

• 采用geng小的窗口大小以减少计算量。
• 引入残差连接以增强模型的表达Neng力。

实验后来啊与分析

FFTformer在suo有数据集上均取得Zui优PSNR，且推理时间比Restormer快30%。图1展示了GoPro数据集上的去模糊后来啊。FFTformer成功恢复了文字边缘和衣物纹理，而基线方法存在残留模糊或伪影。频域分支的引入使得模型对周期性模糊的恢复Neng力显著增强，我心态崩了。。

FFTformer为图像去模糊领域提供了新范式，其频域-空间协同建模的思想亦可推广至其他低层视觉任务。未来工作将探索以下方向：，我emo了。

• 将FFTformer应用于视频去模糊任务。
• 进一步优化模型结构，提高性Neng和效率。
• 探索FFTformer在其他视觉任务中的应用。