一、MB-TaylorFormer简介

       本文，将介绍一种图像去雾领域的前沿技术——MB-TaylorFormer，本次先进行文章阅读分享，后续会继续分享其在个人模型进行改进的方法。

        MB-TaylorFormer于2023年的国际计算机视觉会议（ICCV）上首次提出，被广泛认为是当前较为权威的图像去雾高效网络之一。这一网络采用了一种高效的多分支Transformer架构，专门为图像去雾任务设计。其核心创新在于引入泰勒公式展开的方法，以近似传统的Softmax-Attention机制，从而有效实现线性计算复杂性。然而，原始网络的计算量和参数量较高，对资源要求较为苛刻。针对这一问题，在原有网络的基础上进行了优化，显著降低了模型的参数量和计算复杂度。这一改进不仅保留了MB-TaylorFormer在高分辨率图像处理中的优越性能，还为实际应用提供了更高效的解决方案。

相关资料：

论文连接：https://arxiv.org/abs/2308.14036

代码链接：GitHub - FVL2020/ICCV-2023-MB-TaylorFormer

二、论文分析

        MB-TaylorFormer是一种全新的多分支线性Transformer网络，专为解决图像去雾任务而设计。它以高效性和优越性能著称，在多种视觉任务中表现出色。

2.1 核心贡献

        1.基于泰勒展开的线性Transformer网络

        · 通过泰勒公式展开，对传统的Softmax-Attent