OracleZoom：面向参考约束递归图像超分辨率的策略内自蒸馏
OracleZoom是一种递归超分辨率训练框架，模型会反复将自身预测重新输入，以实现极端图像放大。由于在更深的缩放阶段通常缺少对应的真实图像，该方法保留最后可验证的监督信号，并结合直接监督、跨尺度监督和无参考质量目标。带有KL约束的预训练潜在先验用于限制质量驱动的偏移和细节幻觉，EMA一致性则用于稳定监督边界。作者称，OracleZoom在7个数据集和多个缩放尺度上取得了领先的超分辨率效果，CLIPIQA平均得分为0.713，并且在更深层尺度上的提升更明显。代码、数据和模型已在线提供。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。