面向真实场景的红外图像超分辨率：统一自回归框架与基准数据集
计算机视觉与模式识别
2026-03-06 v1
摘要
红外图像超分辨率（IISR）在真实场景下具有实际意义但鲜有被关注。先驱性工作往往在仿真数据集上训练和评估，或忽略红外成像与可见成像的内在差异。实际情况下，真实红外图像受到耦合的光学和探测退化的影响，这些退化共同恶化了结构锐度和热效应。为此，我们提出Real-IISR，一个用于真实IISR的统一自回归框架，通过热-结构引导的自回归方式，逐层重建细粒度热结构和清晰背景。具体而言，热-结构引导模块编码热力学先验，以减轻热辐射与结构边缘之间的差距。由于非均匀退化通常导致量化偏差，Real-IISR采用条件感知码本（Condition-Adaptive Codebook），根据退化感知的热力学先验动态调制离散表示。此外，热力学顺序一致性损失（Thermal Order Consistency Loss）确保温度与像素强度之间呈单调关系，从而在空间错位和热漂移下保持物理一致性。我们构建了FLIR-IISR数据集，包含通过自动对焦变化和运动引起的模糊获取的配对低分辨率-高分辨率红外图像。大量实验表明，Real-IISR在真实IISR任务中表现优异，为该领域提供了统一的基准框架。数据集和代码已公开：https://github.com/JZD151/Real-IISR。
引用
@article{arxiv.2603.04745,
title = {Toward Real-world Infrared Image Super-Resolution: A Unified Autoregressive Framework and Benchmark Dataset},
author = {Yang Zou and Jun Ma and Zhidong Jiao and Xingyuan Li and Zhiying Jiang and Jinyuan Liu},
journal= {arXiv preprint arXiv:2603.04745},
year = {2026}
}
备注
This paper was accepted by CVPR 2026