AlignVAR：面向图像超分辨的全局一致视觉自回归
计算机视觉与模式识别
2026-03-06 v2 人工智能
摘要
视觉自回归(VAR)模型近期作为一种新兴的图像生成替代方案，凭借稳定训练、非迭代推理及通过尺度预测实现的高保真合成，展现出巨大的潜力。鼓励将VAR用于图像超分辨(ISR)，但其应用仍鲜有探索，面临两大关键挑战：一是局域性偏置注意力导致空间结构碎片化，二是仅用残差监督导致尺度间误差累积，严重损害重建图像的全局一致性。为此，我们提出AlignVAR——为ISR设计的全局一致视觉自回归框架，包含两个关键组件：(1)空间一致性自回归(SCA)，通过自适应掩码对注意力进行加权，聚焦于结构关联区域，从而缓解过度局域化，增强长程依赖；(2)层次一致性约束(HCC)，在每个尺度上补充完整重建监督，以早期暴露累积偏差，稳定粗到细的细化过程。大量实验表明，AlignVAR在结构连贯性与感知保真度方面持续优于现有生成方法，同时实现推理速度提升十倍以上、参数数量减少近50%，为高效ISR建立了新范式。
引用
@article{arxiv.2603.00589,
title = {AlignVAR: Towards Globally Consistent Visual Autoregression for Image Super-Resolution},
author = {Cencen Liu and Dongyang Zhang and Wen Yin and Jielei Wang and Tianyu Li and Ji Guo and Wenbo Jiang and Guoqing Wang and Guoming Lu},
journal= {arXiv preprint arXiv:2603.00589},
year = {2026}
}
备注
Accepted to CVPR 2026 Findings