DHOGSA：结合HOG与自注意力的图像恢复新方法

1. 项目概述

今天要和大家分享的是我们团队在图像恢复领域的最新研究成果——DHOGSA（Dynamic HOG-aware SelfAttention）模块。这个基于Transformer的创新设计，通过将传统HOG特征与自注意力机制巧妙结合，在PSNR指标上实现了显著提升（最高达1.2dB）。最令人兴奋的是，这个模块可以即插即用到现有视觉模型中，不需要改变主干网络结构。

我在实际测试中发现，对于低光照、运动模糊等常见退化场景，引入DHOGSA后模型的边缘保持能力提升尤为明显。下面就从技术原理到代码实现，带大家完整解析这个创新模块。

2. 核心设计思路

2.1 为什么选择HOG作为先验

HOG（方向梯度直方图）是计算机视觉领域的经典特征描述子，其核心优势在于对局部梯度方向的统计建模。与传统CNN特征相比，HOG具有几个独特优势：

1. 旋转不变性：通过梯度方向直方图的统计，对物体旋转具有一定鲁棒性
2. 光照不变性：梯度计算对整体光照变化不敏感
3. 结构敏感性：能精确捕捉边缘、角点等结构特征

我们在消融实验中发现，直接将原始HOG特征与RGB特征拼接效果有限（PSNR提升仅0.3dB左右）。关键在于如何让HOG特征动态引导注意力权重分配。

2.2 双路径注意力设计

DHOGSA采用如图所示的并行结构：

code复制[输入特征] → [HOG特征提取分支] ↘
                       [动态特征融合] → [输出]
              [RGB特征分支] ↗

HOG分支关键技术点：

• 使用3×3 Sobel算子计算梯度
• 将图像划分为8×8的cell，每个cell计算9方向的直方图
• 采用L2-Hys归一化方法

动态融合机制：

python复制class DynamicFusion(nn.Module):
    def __init__(self, dim):
        super().__init__()
        self.hog_proj = nn.Linear(dim, dim)
        self.rgb_proj = nn.Linear(dim, dim)
        self.gate = nn