IQ-LUT: 用于高效图像超分辨率的插值与量化查找表
计算机视觉与模式识别
2026-04-09 v1
摘要
查找表（LUT）方法在加速图像超分辨率推理方面展现出巨大潜力。然而，通过更大的感受野和位深来追求更高图像质量会触发 LUT 索引空间的指数增长，造成存储瓶颈，限制了其在资源受限设备上的部署。我们提出了 IQ-LUT，在减小 LUT 大小的同时提升了超分辨率质量。首先，我们将插值和量化集成到单输入多输出的 ECNN 中，大幅缩小了索引空间，从而减小了整体 LUT 大小。其次，残差学习的集成降低了 LUT 位深的依赖性，有助于训练稳定性，并优先重建细粒度细节以获得更优的视觉质量。最后，在知识蒸馏的指导下，我们的非均匀量化过程优化了量化级别，从而在减少存储的同时弥补了量化损失。广泛的基准测试表明，我们的方法大幅降低了存储成本（相比 ECNN 最多减少 50 倍），同时实现了更优的超分辨率质量。
引用
@article{arxiv.2604.07000,
title = {IQ-LUT: interpolated and quantized LUT for efficient image super-resolution},
author = {Yuxuan Zhang and Zhikai Dong and Xinning Chai and Xiangyun Zhou and Yi Xu and Zhengxue Cheng and Li Song},
journal= {arXiv preprint arXiv:2604.07000},
year = {2026}
}