RASR：基于检索增强的参考图像超分辨率
计算机视觉与模式识别
2026-05-28 v2
摘要
参考图像超分辨率（RefSR）通过利用高质量参考图像来提升纹理保真度和视觉真实感，相较于单图像超分辨率（SISR）有所改进。然而，现有RefSR方法的关键局限在于依赖手动挑选的目标-参考图像对，严重限制了其在实际场景中的实用性。为此，我们提出检索增强超分辨率（RASR）——一种新的实用性RefSR范式，通过仅给定低质量输入，从参考数据库中自动检索语义相关的高分辨率图像。这使得RefSR在实际应用场景中具有可扩展性和灵活性，例如增强动物园或博物馆等环境中拍摄的手机照片，其中可轻松收集或预先整理的类别特定参考数据（如动物、艺术品）。为促进此方向的研究，我们构建了RASR-Flickr30基准数据集，首个专为RASR设计的数据集。不同于以前具有固定目标-参考图像对的数据集，RASR-Flickr30提供按类别划分的参考数据库，以支持开放世界检索。我们进一步提出RASRNet，一种强大的基线模型，组合语义参考检索器与基于扩散的RefSR生成器。实验表明，在RASR-Flickr30数据集上，RASRNet相较于SISR基线 consistently 提升，实现+0.38 dB PSNR和-0.0131 LPIPS，同时生成更真实的纹理。这些发现表明，检索增强是连接学术RefSR研究与实际应用性之间的有前景的方向。
引用
@article{arxiv.2508.09449,
title = {RASR: Retrieval-Augmented Super Resolution for Practical Reference-based Image Restoration},
author = {Jiaqi Yan and Shuning Xu and Xiangyu Chen and Dell Zhang and Jiantao Zhou and Jie Tang and Gangshan Wu and Jie Liu},
journal= {arXiv preprint arXiv:2508.09449},
year = {2026}
}
备注
Accepted at ISCAS 2026