这篇论文最有意思的地方，不是"把注意力范围扩大"这么简单，而是让图像里的每个像素都独立地、不对称地去寻找自己最需要的"援军"——就像每个学生自己组队，而不是全班按座位分组。论文标题：From Local Windows to Adaptive Candidates via Individualized Exploratory: Rethinking Attention for Image Super-Resolution作者：Chunyu Meng, Wei Long, Shuhang Gu（电子科技大学）发表时间：ECCV 2026原文链接：https://arxiv.org/abs/2601.08341开源代码：https://github.com/CVL-UESTC/IET.git超分任务的老问题：注意力到底该看多远？图像超分辨率（Super-Resolution，SR）这件事，表面看是"把模糊图变清晰"，实际上是一场精细的"信息拼图"——模型得从低分辨率输入的每个像素出发，推测出缺失的高频纹理细节。Transformer-based 的方法在这方面做得不错，因为它们能用自注意力（Self-Attention）让每个像素看到其他所有像素，建立全局依赖。然而问题也出在这里：如果让每个像素和所有其他像素都做交互，计算量会炸——复杂度是 O(N²)，图像的像素数 N 一上来，显卡直接冒烟。那怎么办？目前主流做法就两条路：窗口注意力（Window-based）：把图像切成固定大小的方块，每个像素只看自己窗口里的邻居。代表作 SwinIR。问题？窗内像素都是空间上挨着的，但超分任务里，真正有用的信息可能远在天边——一个纹理像素最需要的"队友"可能在图像的另一头。类别注意力（Category-based）：先把像素按纹理相似性分类，然后在同类内部做注意力。代表作 ATD。听起来合理，但分类边界很难划准，而且一个像素如果和另一类里的某些像素更相似，它也没法跨类去交互。这两种方法本质上是同一个问题：它们都是"分组式注意力"——先画好圈，再让圈里的人互相看。但问题在于，超分场景下，相似性关系是天然不对称的。这里要顺手解释一个概念：什么叫"不对称"？简单说就是——像素 A 可能需要从像素 B 那里借纹理信息来重建自己，但像素 B 根本不需要 A。如果强行让它们对称交互，A 的信息流里就掺进来了不需要的东西，反而添乱。那有没有一种办法，让每个像素自己决定"我要看谁"，而且只看那些它真正需要的，同时那些被看的像素不需要反过来看它？这就是这篇论文要解决的问题。核心创新：让每个像素自己组队，不对称探索最靠谱的"援军"这篇论文提出了In
