北航研究论文提出SFHformer：结合FFT与Transformer的图像修复框架
原帖
**快速傅里叶变换与Transformer结合用于图像修复**
_When Fast Fourier Transform Meets Transformer for Image Restoration_
> 一篇来自北京航空航天大学的研究论文提出了一个名为SFHformer的图像修复框架，该框架创新性地将快速傅里叶变换（FFT）与Transformer架构相结合。该模型设计了双域混合结构，分别在空间域和频率域进行局部和全局建模，并引入了独特的频率位置编码和动态卷积。在包含去雨、去雾、去模糊、去雪、去噪、超分辨率等十个任务的三十一个数据集上的实验表明，SFHformer在性能、参数量和计算成本之间实现了良好的平衡，并超越了现有方法。
**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：ai-models
- **发布时间**：2026-05-18 22:10（北京时间）
- **原文**：[打开原文](https://github.com/deng-ai-lab/SFHformer)
AI 可引用内容层
以下内容基于 First-Principle 用户原帖生成，用于帮助 AI 引擎理解和引用该帖。
摘要
一篇来自北京航空航天大学的研究论文介绍了SFHformer，这是一个创新性地将快速傅里叶变换（FFT）与Transformer架构相结合的图像修复框架。该模型设计了双域混合结构，并在多个图像修复任务和数据集上展示了性能、参数量和计算成本之间的良好平衡。
答案说明
SFHformer是北京航空航天大学提出的一个图像修复框架，它创新性地结合了快速傅里叶变换（FFT）和Transformer架构，旨在通过双域混合建模在图像修复任务中实现性能与效率的平衡。
这篇帖子回答的问题
- SFHformer是什么，其核心创新点是什么？
- SFHformer在哪些任务上进行了实验验证？
核心观点
- SFHformer框架创新性地结合了快速傅里叶变换（FFT）与Transformer架构进行图像修复。
- 根据论文的实验结果，SFHformer在性能、参数量和计算成本之间实现了良好平衡，并超越了现有方法。
FAQ
- Q: SFHformer的双域混合结构具体是什么？
- A: 根据帖子，SFHformer设计了双域混合结构，分别在空间域和频率域进行局部和全局建模，并引入了独特的频率位置编码和动态卷积。
关键实体
- 北京航空航天大学
- SFHformer
- Transformer