VARestorer：用于现实图像超分辨率的一步 VAR 蒸馏
计算机视觉与模式识别
2026-04-24 v1 人工智能
机器学习
摘要
最近的视觉自回归模型（VAR）在图像生成方面取得了显著进展，凸显了其在现实图像超分辨率（Real-ISR）中的潜力。然而， 将 VAR 应用于 ISR 仍面临关键挑战。受因果注意力约束的下一尺度预测机制未能充分利用全局低质量（LQ）上下文，导致生成的高质量（HQ）输出模糊且不一致。此外，迭代预测中的误差累积严重损害 ISR 任务的连贯性。为解决这些问题，我们提出了 VARestorer，一个简洁且高效的蒸馏框架，将预训练的文本到图像 VAR 模型转化为一步 ISR 模型。通过利用分布匹配，我们的方法消除了迭代细化的需求，显著减少了误差传播和推理时间。此外，我们引入了具有跨尺度注意力的金字塔图像条件，使其能够实现双向尺度相互作用，充分利用输入图像信息，同时适应自回归机制。这防止了后续 LQ 标记在变换器中被忽略。通过仅对 1.2% 的模型参数进行参数高效适配器微调，该方法保持了原始 VAR 模型的表达能力，同时显著提升了效率。大量实验表明，VARestorer 在 DIV2K 数据集上实现了 72.32 的 MUSIQ 和 0.7669 的 CLIPIQA，推理速度比传统 VAR 推理快 10 倍。
引用
@article{arxiv.2604.21450,
title = {VARestorer: One-Step VAR Distillation for Real-World Image Super-Resolution},
author = {Yixuan Zhu and Shilin Ma and Haolin Wang and Ao Li and Yanzhe Jing and Yansong Tang and Lei Chen and Jiwen Lu and Jie Zhou},
journal= {arXiv preprint arXiv:2604.21450},
year = {2026}
}
备注
Accepted in ICLR 2026. Code is available at https://github.com/EternalEvan/VARestorer