NSARM：面向实用图像超分辨率的下一尺度自回归建模
计算机视觉与模式识别
2025-10-02 v1
摘要
最近的实用图像超分辨率(Real-ISR)方法采用预训练文本到图像(T2I)扩散模型从随机高斯噪声合成高质量图像，结果逼真但因迭代去噪而较慢；或直接从输入低质量图像生成，计算效率高但输出质量较低。这些方法在保持预训练模型固定的前提下训练ControlNet或LoRA模块，常导致过度增强 artifacts 并产生幻觉，对输入质量参差不齐的退化输入鲁棒性不足。最近的视觉自回归(AR)模型，如预训练的Infinity，可提供强大的T2I生成能力，同时通过位运算下一尺度预测策略实现卓越的效率。基于下一尺度预测，我们引入一种鲁棒的Real-ISR框架，称为下一尺度自回归建模(NSARM)。具体而言，我们首先训练一个转换网络将输入低质量图像映射到初步尺度，然后进行端到端的全模型微调。这种全面微调增强了NSARM在Real-ISR任务中的鲁棒性，而不损害其生成能力。广泛的定量和定性评估表明，作为纯粹的AR模型，NSARM在视觉上优于现有Real-ISR方法，同时保持快速的推理速度。更重要的是，它对输入图像质量的鲁棒性更强，泛化性能更佳。项目页面：https://github.com/Xiangtaokong/NSARM
引用
@article{arxiv.2510.00820,
title = {NSARM: Next-Scale Autoregressive Modeling for Robust Real-World Image Super-Resolution},
author = {Xiangtao Kong and Rongyuan Wu and Shuaizheng Liu and Lingchen Sun and Lei Zhang},
journal= {arXiv preprint arXiv:2510.00820},
year = {2025}
}