YONOS-SR是一种新型的图像超分辨率方法，基于扩散技术，通过尺度蒸馏训练模型，仅需一次DDIM步骤即可实现优越效果，推断效率高于传统的200步方法。

本文介绍了YONOS-SR，一种通过单次DDIM步骤实现图像超分辨率的新方法。采用尺度蒸馏，将问题简化为在小尺度上训练教师模型，再逐步训练学生模型到目标尺度。实验显示，该方法比直接高尺度训练更优，推断步骤更少。通过冻结U-Net并微调解码器，结合空间蒸馏，实现了优于传统方法的性能。

本文介绍了一种新的稳定的基于扩散的图像超分辨率方法YONOS-SR，通过尺度蒸馏方法训练SR模型，实验证明蒸馏模型优于直接训练高放大尺度的模型。使用只需一步的扩散模型可以冻结U-Net并微调解码器，比需要200步的方法更优越。

本文介绍了一种新的稳定的基于扩散的图像超分辨率方法YONOS-SR，通过尺度蒸馏方法训练SR模型，优于直接训练高放大尺度的模型。使用只需一步的扩散模型冻结U-Net，并在其上微调解码器，比需要200步的方法更优越。

本文介绍了YONOS-SR，一种新的稳定的基于扩散的图像超分辨率方法。通过尺度蒸馏方法训练SR模型，蒸馏模型明显优于直接训练高放大尺度的模型。使用只需一步的扩散模型可以冻结U-Net并微调解码器。经过空间蒸馏的U-Net和经过微调的解码器的组合比需要200步的最先进方法更优越。