PocketSR：您口袋里的超分辨率专家
计算机视觉与模式识别
2025-10-06 v1
摘要
Real-world image super-resolution（RealSR）旨在提升野生图像的视觉质量，此类图像如由手机捕获。虽然现有方法利用大型生成模型显示出令人印象深刻的结果，但高计算成本和延迟使其在 edge 部署方面难以实用。本文引入 PocketSR，一个 ultra-lightweight、single-step 模型，在保持高保真度的同时将生成式建模能力带到 RealSR。为实现此目标，我们设计 LiteED 作为原始计算密集型 VAE 的高效替代方案，参数减少 97.5%，同时保持高质量编码和解码。此外，我们提出 online annealing pruning 用于 U-Net，该方法逐步将生成式先验从 heavy 模块转移到 lightweight 对手，确保有效的知识传递并进一步优化效率。为缓解剪枝过程中先验知识丢失， 我们引入 multi-layer feature distillation loss。通过对每个设计组件的深入分析，我们为未来研究提供了宝贵的见解。PocketSR 的模型规模为 146M 参数，仅需 0.8 秒即可处理 4K 图像，在先前方法基础上实现显著加速。值得注意的是，它在性能上与最新的 single-step 乃至 multi-step RealSR 模型持平，成为 edge 设备应用的高实用解决方案。
引用
@article{arxiv.2510.03012,
title = {PocketSR: The Super-Resolution Expert in Your Pocket Mobiles},
author = {Haoze Sun and Linfeng Jiang and Fan Li and Renjing Pei and Zhixin Wang and Yong Guo and Jiaqi Xu and Haoyu Chen and Jin Han and Fenglong Song and Yujiu Yang and Wenbo Li},
journal= {arXiv preprint arXiv:2510.03012},
year = {2025}
}