IMDeception：分组信息蒸馏超分辨率网络

单图像超分辨率（SISR）是一个经典的计算机视觉问题，受益于深度学习方法特别是卷积神经网络（CNN）的近期进展。尽管最先进的方法在多个数据集上提升了 SISR 性能，但由于计算负载沉重，这些网络直接用于实际仍存在问题。为此，研究者近期聚焦于更高效且高性能的网络结构。信息多蒸馏网络（IMDN）是兼具高性能与低计算负载的高效 SISR 网络之一。IMDN 通过多种机制实现该效率：全局设置下的中间信息收集（IIC）、局部设置下的渐进精炼模块（PRM）和对比感知通道注意力（CCA）。然而，这些机制对 IMDN 效率与性能的贡献并不均等。本工作中，我们提出全局渐进精炼模块（GPRM）作为 IIC 模块在特征聚合方面参数需求更少的替代方案。为进一步减少参数量与每秒浮点运算数（FLOPS），我们还提出分组信息蒸馏块（GIDB）。利用所提结构，我们设计了一个称为 IMDeception 的高效 SISR 网络。实验表明，尽管参数量和 FLOPS 有限，所提网络性能与最先进模型相当。此外，使用分组卷积作为 GIDB 的构建块为部署期间进一步优化提供了空间。为展示其潜力，所提模型部署于 NVIDIA Jetson Xavier AGX，并已证明可在此边缘设备上实时运行。