IM-LUT：用于图像超分辨率的插值混合查找表

图像超分辨率 (Super-Resolution, SR) 是图像处理中的一项关键任务，旨在提升各类应用中的图像分辨率。最近，基于查找表 (LUT) 的方法因其效率和性能而受到关注。然而，这些方法通常针对固定尺度因子设计，难以适用于任意尺度图像超分辨率 (ASISR)。现有的 ASISR 技术常采用隐式神经表示，计算成本和内存需求较大。为此，我们提出插值混合查找表 (IM-LUT)，一种新型框架，通过学习多个插值函数的混合，以最大化其表示能力，从而实现 ASISR。具体而言，我们引入 IM-Net 网络，以基于局部图像模式和目标尺度因子预测插值函数的混合权重。为提高插值方法的效率，将 IM-Net 转换为 IM-LUT，其中使用查找表取代计算密集型操作，实现在保持重建质量的前提下，CPU 上的轻量级快速推理。实验结果表明，IM-LUT 在多个基准数据集上 consistently 实现了图像质量与效率之间优越的平衡，凸显其在资源受限应用中的潜在前景。