面向轻量级图像超分辨率的 Pure-Pass：动态 Token-Mixing 路由的细粒度、自适应掩码
计算机视觉与模式识别
2025-10-14 v2
摘要
图像超分辨率（SR）旨在重建来自低分辨率输入的高分辨率图像，但深度学习方法的计算复杂度常常阻碍其实际部署。CAMixer 是首个将现有轻量级 SR 方法优势融合并提出内容感知混合器以根据内容恢复难度路由不同计算复杂度的 Token 混合器。然而仍存在适应性差、掩码粗粒度和空间不灵活等局限。我们提出了 Pure-Pass（PP），一种像素级掩码机制，用于识别纯色像素并使其免于高复杂度计算。PP 利用固定颜色中心点将像素划分为不同类别，实现细粒度、具有空间灵活性的掩码，同时保持自适应灵活性。集成到最先进的 ATD-light 模型中，PP-ATD-light 在重建质量和参数效率方面均优于 CAMixer-ATD-light，同时节省了类似的计算量。
引用
@article{arxiv.2510.01997,
title = {Pure-Pass: Fine-Grained, Adaptive Masking for Dynamic Token-Mixing Routing in Lightweight Image Super-Resolution},
author = {Junyu Wu and Jie Liu and Jie Tang and Gangshan Wu},
journal= {arXiv preprint arXiv:2510.01997},
year = {2025}
}