PromptSR：轻量级图像超分辨率的级联提示
计算机视觉与模式识别
2025-07-08 v1
摘要
虽然轻量级 Vision Transformer 已显著推进图像超分辨率 (SR)，但面临受限感受野的内在挑战，这源于基于窗口的自注意力建模。相对于窗口大小的二次计算复杂度限制了其使用大窗口扩大感受野的能力，同时维持低计算成本。在解决这一挑战方面，我们提出了 PromptSR，一种新型的以提示为驱动的轻量级图像 SR 方法。核心组件是提出的级联提示块 (CPB)，通过三个级联的提示层增强全局信息访问和局部细化：全局锚提示层 (GAPL) 和两个局部提示层 (LPLs)。GAPL 利用降采样特征作为锚点，通过跨尺度注意力构建低维锚提示 (APs)，显著降低计算成本。这些具有增强全局感知的 APs 随后用于提供全局提示，有效地促进长程 token 连接。两个 LPLs 随后将基于类别的自注意力和基于窗口的自注意力组合，以粗到细的方式细化表示。它们利用 GAPL 的注意力图作为额外的全局提示，使其能够在不同粒度上全局感知特征，从而实现自适应的局部细化。如此一来，提出的 CPB 有效地结合了全局先验和局部细节，显著扩大了感受野，同时保持了 PromptSR 的低计算成本。实验结果表明，我们的方法在定量、定性和复杂度评估方面均优于最先进的轻量级 SR 方法。我们的代码将发布于 https://github.com/wenyang001/PromptSR。
引用
@article{arxiv.2507.04118,
title = {PromptSR: Cascade Prompting for Lightweight Image Super-Resolution},
author = {Wenyang Liu and Chen Cai and Jianjun Gao and Kejun Wu and Yi Wang and Kim-Hui Yap and Lap-Pui Chau},
journal= {arXiv preprint arXiv:2507.04118},
year = {2025}
}
备注
Accepted in TMM