💡
原文中文，约5300字，阅读约需13分钟。
📝
内容提要
本文提出了一种改进的对抗扩散压缩方法（AdcVSR），用于真实世界视频超分辨率。该方法通过剪枝和轻量级一维卷积，显著降低模型参数和推理时间，同时保持视频质量。实验结果表明，AdcVSR在减少95%参数的同时，实现约8倍的速度提升，优化了细节生成与时域一致性。
🎯
关键要点
- 提出了一种改进的对抗扩散压缩方法（AdcVSR），用于真实世界视频超分辨率。
- AdcVSR通过剪枝和轻量级一维卷积显著降低模型参数和推理时间，同时保持视频质量。
- 实验结果显示，AdcVSR在减少95%参数的同时，实现约8倍的速度提升。
- 现有扩散模型在真实世界视频超分辨率任务中推理速度较慢，单步生成网络有所改善，但仍存在参数庞大和推理延迟的问题。
- 对抗扩散压缩（ADC）方法通过剪枝与蒸馏将模型压缩为轻量的AdcSR网络，但在细节生成与时域一致性之间难以平衡。
- AdcVSR结合了3D时空注意力的扩散Transformer教师模型DOVE，经过剪枝得到2D Stable Diffusion结构，并引入轻量级1D时域卷积。
- 提出双头对抗蒸馏策略，在像素域和特征域分别引入判别器，以优化细节质量与时间一致性。
- AdcVSR在保持视频质量的同时，显著提升了推理效率，达到了良好的保真度、细节丰富度、时域一致性与计算效率的平衡。
➡️
