通过预测偏移实现超分辨率：一种面向光栅化图像的超高效超分辨率网络

渲染高分辨率（HR）图形带来巨大的计算开销。高效的图形超分辨率（SR）方法可用少量计算资源实现 HR 渲染，已在工业界与学术界引起广泛研究兴趣。我们提出一种用于计算机图形实时 SR 的新方法，即基于预测偏移的超分辨率（SRPO）。我们的算法将图像分为两部分处理，即锐利边缘与较平坦区域。对于边缘，不同于以往将抗锯齿图像作为输入的 SR 方法，我们所提 SRPO 利用光栅化图像的特性，对光栅化图像进行 SR。为补偿 HR 与低分辨率（LR）光栅化图像之间的残差，我们训练了一个超高效网络来预测偏移图，以将合适的周围像素移动到新位置。对于平坦区域，我们发现简单的插值方法已能生成合理输出。我们最终使用引导融合操作，将网络生成的锐利边缘与插值方法得到的平坦区域整合，得到最终 SR 图像。所提网络仅含 8,434 个参数，并可通过网络量化加速。大量实验表明，相较于现有最优方法，所提 SRPO 能以更小的计算代价获得更优的视觉效果。