7月5日，电子工程学院王智文教授团队在计算机科学领域顶级期刊Pattern Recognition（中科院一区top期刊，IF=7.6，CCF推荐B类期刊）发表文章，题目为GKC-Net: Gated KAN with Channel-Position Attention Mechanism for Image Deraining，2023级硕士研究生龚梦思系第一作者，王智文教授为通讯作者。

图像去噪是图像处理领域的一个重大挑战，最近的进展表明，与传统CNN相比，基于Transformer的模型表现出优越的性能。然而，Transformer中的自我注意机制受到二次方计算复杂性的影响，导致推理时间很长，并且无法同时捕获精确的全局上下文和局部细节，这对于精确恢复退化图像内容至关重要。

为了应对这些挑战，该论文提出了一种GKC网络的新架构，该架构将选通KAN模块与信道位置注意机制（CPAM）集成在一起。值得注意的是，GKC网络在保持全局上下文建模能力的同时实现了计算复杂度的线性增长，从而完全消除了Transformer固有的二次方计算复杂度。这使得高分辨率图像恢复任务能够保持有竞争力的性能，同时显著减少计算开销。

具体而言，论文提出了选通KAN模块，该模块将KAN网络与选通机制相结合。KAN通过分组参数共享和保持方差初始化提高了计算效率和可扩展性。门控机制根据输入特征动态调节信息流，减轻过度平滑并保留关键细节，从而提高模型表达能力，同时降低计算成本。此外引入了CPAM，它同时强调了通道和位置信息，从而增强了细节捕捉能力，取得优异的去雨性能。论文提出的GKC网络在图像去模糊和图像运动去模糊等多个图像恢复任务中都取得了最好的性能，进一步突出了论文提出的方法在不同恢复场景中的优越性和对各种图像恢复挑战的鲁棒性。

文章信息：

MengsiGong,JilinYu,ZhiwenWang,SenlinChi. GKC-Net: Gated KAN with Channel-Position Attention Mechanism for Image Deraining.Pattern Recognition .Volume 170 ,February 2026, 112080. https://doi.org/10.1016/j.patcog.2025.112080

文章链接：https://doi.org/10.1016/j.patcog.2025.112080

https://doi.org/10.1016/j.patcog.2025.112080