Hierarchical Pointer Convolution

新AI模型QuADA-GS通过自适应资源分配增强图像超分辨率

研究人员开发了QuADA-GS，一种用于任意尺度图像超分辨率（ASR）的新颖方法，该方法可自适应地分配计算资源。与依赖于对连续分辨率进行次优插值的传统模型不同，QuADA-GS直接从低分辨率输入预测高斯溅射（GS）的致密化。该方法使用神经路由架构来评估局部复杂性并分配上采样预算，确保仅在需要时动态地致密化特征。此外，分层指针卷积促进特征之间的高效空间通信，从而以低延迟和减少的内存占用实现最先进的ASR性能。