لمعالجة المشكلات الحالية في طرق تحسين دقة الفيديو الفائقة في المشاهد ذات الحركة المعقدة مثل عدم دقة محاذاة الإطارات، وعدم استخدام المعلومات الزمنية بشكل كاف، وتعقيد الحسابات في آليات الانتباه التقليدية، تقترح هذه الورقة شبكة تحسين دقة الفيديو الفائقة (OFCA-Transformer) التي تدمج الانتباه المتقاطع بتوجيه من تدفق الضوء. أولاً، تم تصميم وحدة تقدير تدفق ضوئي متعددة المقاييس وخفيفة الوزن لتوليد معلومات حركة متعددة الحبيبات؛ ثانياً، تم إدخال آلية الانتباه المتقاطع الموجهة بتدفق الضوء بشكل مبتكر، حيث يتم إنشاء نافذة انتباه محلية مركزها موقع التنبؤ بتدفق الضوء لتحقيق دمج عميق بين الأولويات الهندسية الصريحة والمدركة الضمنية للمحتوى، مما يحسّن دقة المحاذاة ويقلل بشكل ملحوظ من تعقيد الحسابات؛ أخيراً، تم بناء وحدة تجميع الميزات الهرمية لتحقيق دمج أكثر فعالية للميزات الزمكانية داخل بنية الترانسفورمر. عند عوامل التكبير ×2، ×3، ×4، تم مقارنة طريقة البحث هذه مع طرق أخرى على ثلاثة مجموعات بيانات عامة. أظهرت النتائج أن قيمة PSNR لـ OFCA-Transformer على عدة مجموعات بيانات تختلف بمقدار 0.16 ديسيبل فقط مقارنة بالطرق المتقدمة الأخرى، مع تقليل كمية معاملات النموذج بنسبة 82.8%، مما زاد من كفاءة الحساب. بالإضافة إلى ذلك، أظهرت طريقة البحث المقدمة استعادة أكثر دقة للتفاصيل والتوافق الزمني الأفضل في المشاهد ذات الحركة المعقدة، وحققت مؤشرات كمية جيدة بشكل موضوعي عند جميع عوامل التكبير.

تحسين دقة الفيديو الفائقة;ترانسفورمر;تقدير تدفق الضوء;انتباه متقاطع;محاذاة الحركة