基于相位引导的高效基于扩散模型的图像超分辨率阶段引导渐进剪枝（PGP-DiffSR）
计算机视觉与模式识别
2025-12-03 v1
摘要
尽管扩散模型在图像超分辨率方面取得了令人印象深刻的结果，但它们往往依赖大型骨干网络，如Stable Diffusion XL（SDXL）和Diffusion Transformers（DiT），导致训练和推理期间的计算和内存成本过高。为此，我们开发了一种轻量级扩散方法PGP-DiffSR，通过删除在输入相位信息指导下冗余信息来实现高效图像超分辨率。我们首先识别扩散骨干网络中的块内冗余，并提出一种渐进式剪枝方法，在保留恢复能力的同时删除冗余块。我们注意到，经过剪枝的扩散模型产生的恢复图像的相位信息估计不佳。为此，我们提出了一种相位交换适配器模块，通过探索输入的相位信息来指导被剪枝的扩散模型以获得更好的恢复性能。我们将渐进式剪枝方法和相位交换适配器模块统一为一个模型。大量实验表明，我们的方法在实现竞争的恢复质量的同时，显著减少了计算负载和内存消耗。代码已公开于https://github.com/yzb1997/PGP-DiffSR。
引用
@article{arxiv.2512.02681,
title = {PGP-DiffSR: Phase-Guided Progressive Pruning for Efficient Diffusion-based Image Super-Resolution},
author = {Zhongbao Yang and Jiangxin Dong and Yazhou Yao and Jinhui Tang and Jinshan Pan},
journal= {arXiv preprint arXiv:2512.02681},
year = {2025}
}
备注
10 pages