LCS：基于AI的低复杂度缩放器，用于资源受限设备上的游戏内容超分辨率
计算机视觉与模式识别
2025-07-31 v1 机器学习
摘要
现代游戏内容渲染的复杂度不断增加，导致GPU负载问题日益严重。本文提出一种基于AI的低复杂度缩放器（LCS），灵感来自最先进的高效超分辨率（ESR）模型，可将GPU负载卸载到低功耗设备，如神经处理单元（NPU）。LCS针对GameIR图像对进行训练，这些图像对原生以低分辨率和高分辨率渲染。我们利用对抗训练鼓励重建感知重要细节，并应用重参数化和量化技术以降低模型复杂度和规模。在与公开可用的AMD硬件基于边缘自适应缩放函数（EASF）和AMD FidelityFX超分辨率1（FSR1）进行比较分析后，我们发现LCS在五个不同指标上实现了更好的感知质量，展示了ESR模型在资源受限设备上进行超分辨率的潜力。
引用
@article{arxiv.2507.22873,
title = {LCS: An AI-based Low-Complexity Scaler for Power-Efficient Super-Resolution of Game Content},
author = {Simon Pochinda and Momen K. Tageldeen and Mark Thompson and Tony Rinaldi and Troy Giorshev and Keith Lee and Jie Zhou and Frederick Walls},
journal= {arXiv preprint arXiv:2507.22873},
year = {2025}
}
备注
8 pages, 3 figures