面向生成式超分辨率的纹理向量量化与重建感知预测
计算机视觉与模式识别
2026-03-24 v3
摘要
基于向量量化的模型近期在视觉先验建模方面展现出强大潜力。然而，现有的 VQ 方法仅使用最近码本项对视觉特征进行编码，并以码元级监督训练索引预测器。由于视觉信号的丰富性，VQ 编码常导致较大的量化误差。此外，以码元级监督训练预测器无法考虑最终的重建误差，导致先验建模精度次优。本文针对上述两个问题，提出纹理向量量化和重建感知预测策略。纹理向量量化策略利用超分辨率任务的特性，仅引入码本以建模缺失纹理的先验。而重建感知预测策略利用直通估计器，以图像级监督直接训练索引预测器。我们提出的生成式超分辨率模型（TVQ&RAP）能够以较小的计算代价交付照片级真实的超分辨率结果。
引用
@article{arxiv.2509.23774,
title = {Texture Vector-Quantization and Reconstruction Aware Prediction for Generative Super-Resolution},
author = {Qifan Li and Jiale Zou and Jinhua Zhang and Wei Long and Xingyu Zhou and Shuhang Gu},
journal= {arXiv preprint arXiv:2509.23774},
year = {2026}
}
备注
Accepted to ICLR 2026