Los métodos actuales de reconstrucción de superresolución de una sola imagen basados en modelos probabilísticos de difusión presentan deficiencias en la extracción de información espacial, no aprovechan suficientemente la información relevante y muestran redundancias en el proceso computacional. Este artículo diseña un método de reconstrucción de superresolución de una sola imagen que incorpora una red de atención multidimensional. Primero, sobre la base del modelo de difusión SRDiff, se propone una atención multidimensional que combina atención de canales, auto-atención y atención espacial, mejorando la capacidad del modelo para captar características en diferentes escalas, lo que permite conservar más detalles y una mejor coherencia global al restaurar imágenes de alta resolución. En segundo lugar, se introduce la convolución parcial (PConv) para extraer con precisión las características espaciales de la imagen, mejorando la calidad del resultado de superresolución y reduciendo significativamente la carga computacional, aumentando así la eficiencia del modelo. Bajo un factor de ampliación de 4, el método se compara con otros en 5 conjuntos de prueba, mostrando resultados con un aumento promedio de 0.762 dB en el PSNR y 0.082 en la similitud estructural en comparación con otros métodos. El método propuesto presenta subjetivamente más detalles finos y mejores efectos visuales, y objetivamente valores más altos de PSNR y similitud estructural.

superresolución; modelo de difusión; red de atención multidimensional; convolución parcial