PulseAugur
中
实时 07:38:43
English(EN) TinySR: Pruning Diffusion for Real-World Image Super-Resolution

TinySR 扩散模型实现实时图像超分辨率，参数量减少 83%

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 TinySR，这是一种新颖的扩散模型，专为真实世界图像超分辨率设计，能够以显著降低的计算成本和模型尺寸实现实时性能。该模型采用了动态块间激活、用于深度剪枝的扩张-腐蚀策略以及通过通道剪枝和注意力移除进行的 VAE 压缩等技术。与教师模型 TSD-SR 相比，TinySR 的速度提升高达 5.68 倍，参数量减少 83%，同时保持了高感知质量。 AI

影响 这项研究引入了一种更高效的图像超分辨率扩散模型，有可能实现实时应用并降低硬件要求。

排序理由 关于新 AI 模型的研究论文发布。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

TinySR 扩散模型实现实时图像超分辨率，参数量减少 83%

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Linwei Dong, Qingnan Fan, Yuhang Yu, Qi Zhang, Jinwei Chen, Yawei Luo, Changqing Zou ·

    TinySR：为真实世界图像超分辨率进行扩散模型剪枝

    arXiv:2508.17434v3 Announce Type: replace Abstract: Real-world image super-resolution (Real-ISR) focuses on recovering high-quality images from low-resolution inputs that suffer from complex degradations like noise, blur, and compression. Recently, diffusion models (DMs) have sho…

相关实体

相关话题