Os métodos atuais de reconstrução de super-resolução de imagem única baseados em modelos probabilísticos de difusão apresentam insuficiências na extração de informações espaciais, não exploram suficientemente as informações relevantes e apresentam redundâncias no processo computacional. Este artigo projeta um método de reconstrução de super-resolução de imagem única que incorpora uma rede de atenção multidimensional. Primeiramente, com base no modelo de difusão SRDiff, é proposta uma atenção multidimensional que combina atenção de canal, autoatenção e atenção espacial, aumentando a capacidade do modelo de capturar características em diferentes escalas, permitindo preservar mais detalhes e melhor consistência global ao restaurar imagens de alta resolução. Em seguida, é introduzida a convolução parcial (PConv) para extrair com precisão as características espaciais da imagem, melhorando a qualidade do resultado da super-resolução e reduzindo significativamente a carga computacional, aumentando assim a eficiência do modelo. Sob um fator de ampliação de 4, o método foi comparado a outros em 5 conjuntos de teste, mostrando resultados com um aumento médio de 0,762 dB no PSNR e 0,082 na similaridade estrutural em comparação a outros métodos. O método proposto apresenta subjetivamente mais detalhes finos e melhores efeitos visuais, e objetivamente valores mais altos de PSNR e similaridade estrutural.

super-resolução; modelo de difusão; rede de atenção multidimensional; convolução parcial