论文
登录后可查看剩余解析次数。
标签筛选
图像超分辨率
Taming Transformers for High-Resolution Image Synthesis
发表：2020/12/18
生成对抗策略优化扩散模型图像超分辨率图像合成
本文提出了一种结合卷积神经网络（CNN）高效归纳偏置与转换器（Transformer）强大表达能力的方法，以有效合成高分辨率图像。通过先使用CNN学习图像元素的上下文丰富“词汇表”，再利用Transformer建模这些元素的组合，成功实现了百万像素级的语义引导图像合成，并取得了当时在类条件ImageNet任务中的最先进成果。
04
Effective Diffusion Transformer Architecture for Image Super-Resolution
发表：2024/9/29
Diffusion模型图像超分辨率Diffusion Transformer多尺度层次特征提取频率自适应时步条件模块
提出DiTSR扩散Transformer架构，采用U型多尺度层次特征提取和统一各向同性设计，提升计算资源利用效率。引入频率自适应时间步条件模块，强化不同时间步频率信息处理能力。在无预训练下达到并超越先验方法的超分辨率效果。
06
CiaoSR: Continuous Implicit Attention-in-Attention Network for
Arbitrary-Scale Image Super-Resolution
发表：2022/12/8
图像超分辨率连续隐式表示学习注意力机制网络任意尺度超分辨率非局部特征融合
提出CiaoSR，一种连续隐式套嵌注意力网络，通过隐式注意力学习局部特征集成权重并嵌入尺度感知注意力模块，实现对大范围非局部信息的利用。该方法在任意尺度图像超分辨率任务中显著优于现有方法，具备强泛化性和灵活性。
03
LinearSR: Unlocking Linear Attention for Stable and Efficient Image
Super-Resolution
发表：2025/10/10
图像超分辨率线性注意力机制感知失真权衡优化Early-Stopping Guided Fine-tuningSNR驱动混合专家架构
LinearSR框架首次系统解决线性注意力在图像超分辨率中训练不稳定、感知失真权衡和引导效率低的问题。通过早停引导微调、基于信噪比的专家混合和轻量级指导策略，实现了领先的感知质量与高效推理速度，推动真实感超分辨率技术发展。
09