平衡效率与质量：面向任意尺度图像超分辨率的MoEISR
计算机视觉与模式识别
2025-11-04 v2
摘要
采用隐式神经函数的任意尺度图像超分辨率近来备受关注，因其仅需单一模型即可跨多种尺度放大图像。然而，这些方法带来巨大计算负担，因其需将每个目标像素查询至单一高开销解码器。本文提出一种新颖高效框架——混合专家隐式超分辨率（MoEISR），其能以显著提升的计算效率实现任意尺度超分辨率，且不牺牲重建质量。MoEISR利用轻量级映射模块为每个像素动态分配最合适的解码专家，使具有不同容量的专家能重建具不同复杂度的区域像素。我们的实验表明，MoEISR成功大幅降低浮点运算量（FLOPs），同时给出可比或更优的峰值信噪比（PSNR）。
引用
@article{arxiv.2311.12077,
title = {Balancing Efficiency and Quality: MoEISR for Arbitrary-Scale Image Super-Resolution},
author = {Young Jae Oh and Jihun Kim and Jihoon Nam and Tae Hyun Kim},
journal= {arXiv preprint arXiv:2311.12077},
year = {2025}
}