多尺度图像超分辨率的隐式网格卷积

原文中文，约300字，阅读约需1分钟。发表于：。

本研究旨在解决传统超分辨率方法中，为每个目标尺度训练单一模型所导致的冗余问题。通过提出隐式网格卷积（IGConv），该方法实现了在单一模型下同时训练多个整数尺度的能力，从而显著减少训练预算和存储参数，同时保持较好的推理性能。结果显示，在Urban100×4上，SRFormer-IGConv+的PSNR提升了0.25dB，体现了该框架在多尺度超分辨率上的良好应用潜力。

本研究提出了隐式网格卷积（IGConv）方法，解决了传统超分辨率方法中的冗余问题，同时减少了训练预算和存储参数，保持较好的推理性能。实验结果显示该方法在多尺度超分辨率上具有良好的应用潜力。