Bicubic++：纤细、更纤细、最纤细——设计工业级超分辨率网络

我们提出了一种名为 Bicubic++ 的实时轻量单图像超分辨率（SR）网络。尽管整个网络都使用输入图像的空间维度，Bicubic++ 首先学习图像快速可逆的降质与低分辨率特征，以减少计算量。我们还构建了一个训练流程，其中在不使用幅值与梯度范数等指标的情况下对卷积层进行端到端全局结构化剪枝，并专注于优化剪枝网络在验证集上的 PSNR。此外，我们通过实验表明偏置项在 marginally 提升 PSNR 的同时占据了相当多的运行时间，因此我们还对卷积层应用了偏置移除。我们的方法在所有测试的 SR 数据集上为 Bicubic 上采样 PSNR 增加约 1dB，并且在 FP16 精度下，对于 720p 输入和 4K 输出，在 RTX3090 上运行约 1.17ms，在 RTX3070 上运行约 2.9ms。Bicubic++ 赢得了 NTIRE 2023 RTSR Track 2 x3 SR 竞赛，并且在所有竞争方法中速度最快。由于几乎与标准 Bicubic 上采样方法一样快，我们相信 Bicubic++ 可以树立新的行业标准。