Tag · 2 篇
分块推理
分布 底层视觉与图像复原1高效模型与推理加速1
01 02
DreamSR：基于感受野增强扩散 Transformer 的超高分辨率图像超分辨率
DreamSR: Towards Ultra-High-Resolution Image Super-Resolution via a Receptive-Field Enhanced Diffusion Transformer
针对大分辨率图像分块推理时全局提示词与局部图像块语义错位导致的过度生成问题，提出双分支 MM-ControlNet：用图像块级提示词生成局部文本特征、用全局提示词提供全局文本特征，并配合感受野增强训练策略；这套「全局-局部提示词对齐 + 感受野增强」思路可直接迁移到其他基于扩散模型的大图分块生成任务（如修复、编辑）。
无块效应的基于块的学习图像压缩
Block-based Learned Image Compression without Blocking Artifacts
给出一个解析框架，通过卷积/转置卷积层推导重叠传播，精确算出无块效应重建所需的最小重叠量，可直接套用到任意 CNN 图像处理网络（超分、去噪、复原）做分块推理，在不重训练的前提下把峰值显存和计算量降到约 13% 和 2%。