您的超分辨率模型在面对现实场景时已不够
计算机视觉与模式识别
2026-01-14 v2
摘要
尽管单图超分辨率（SISR）模型取得了显著进展，但传统模型在不同尺度因子之间难以泛化，限制了其在实际场景中的应用。为此，我们提出了一种插拔式的尺度感知注意力模块（Scale-Aware Attention Module, SAAM），旨在为现代固定尺度 SR 模型提供执行任意尺度 SR 的能力。SAAM 采用轻量级、尺度自适应的特征提取和上采样方式，融合简单无参数注意力模块（Simple parameter-free Attention Module, SimAM）进行高效引导，并引入梯度方差损失以增强图像细节的锐度。我们的方法可无缝集成到多个最新 SR 主干网络（如 SCNet、HiT-SR、OverNet）中，实现对广泛整数和非整数尺度因子的竞争或优异性能。广泛的基准实验表明，我们的方法在最小计算开销下实现了稳健的多尺度放大，为实际场景提供了实用解决方案。
引用
@article{arxiv.2509.06387,
title = {Your Super Resolution Model is not Enough for Tackling Real-World Scenarios},
author = {Dongsik Yoon and Jongeun Kim},
journal= {arXiv preprint arXiv:2509.06387},
year = {2026}
}
备注
To appear in the Workshop on Efficient Computing under Limited Resources: Visual Computing (ECLR) at ICCV 2025