点击下方“PaperEveryday”，每天获得顶刊论文解读
点击→加入论文投稿、写作、阅读分享交流群
论文信息
题目：Accelerating Image Super-Resolution Networks with Pixel-Level Classification
加速图像超分辨率网络的像素级分类
作者：Jinho Jeong, Jinwoo Kim, Younghyun Jo, Seon Joo Kim
论文链接：https://arxiv.org/abs/2407.21448
源码链接：https://github.com/3587jjh/PCSR
论文创新点
像素级分类器（Pixel-level Classifier）：作者提出了一种名为单图像超分辨率的像素级分类器（PCSR）的新方法，这种方法能够在像素级别动态分配计算资源，与传统的基于块的方法相比，能够更精细地处理图像中不同区域的恢复难度。 自适应资源分配：PCSR模型包括一个主干网络、一个像素级分类器和一组不同容量的像素级上采样器。这种方法允许在推理过程中在性能和计算成本之间进行平衡，而无需重新训练。 多尺度超分辨率（Multi-scale Super-Resolution）：利用LIIF作为上采样器，PCSR模型能够适应不同的尺度因子，这意味着只需要一个模型就能处理多种尺度的超分辨率任务，这与传统方法需要为每个尺度因子单独建模相比，是一个显著的优势。
