(NeurIPS25) Spiking Meets Attention: Efficient Remote Sensing Image Super-Resolution with Attention Spiking Neural Networks
1、研究动机
SNN 作为第三代神经网络，通过离散脉冲信号模拟生物神经元通信，具备低功耗优势。但 SNN 在遥感图像超分辨率任务中探索不足，存在两大核心问题：① 二进制脉冲信号的离散性导致像素级信息丢失，网络深度增加时表征能力下降；② 膜电位动态特性优化不足，难以有效挖掘全局上下文信息。
2、整体架构
SpikeSR 的整体架构如图所示，以4个堆叠的脉冲注意力组（SAG）为核心模块，每个SAG包含 2 个脉冲注意力块 SAB、1 个脉冲卷积块 SCB 。
3、Deformable Similarity Attention （DSA）
DSA是作者创新构建的一个模块，可以 捕捉遥感图像的全局多尺度自相似性，并解决自相似补丁匹配中的几何错位问题。 总体架构如下图所示，首先使用可变形卷积动态校正 patch 偏移，然后多尺度金字塔适配遥感目标的尺度多样性，提供高质量的全局建模能力。
实验部分可以参考作者论文，这里不过多介绍。