CVPR 2026 TinySR：扩散模型超分加速 5.68 倍¶

Ch01.1588 CVPR 2026 TinySR：扩散模型超分加速 5.68 倍¶

📊 Level ⭐⭐⭐ | 2.0KB | entities/cvpr-tinysr-扩散模型超分压缩-2026.md

CVPR 2026 TinySR：扩散模型超分加速 5.68 倍¶

核心内容¶

TinySR 是一种面向真实世界图像超分辨率（Real-ISR）的轻量级扩散模型，通过深度剪枝、动态块间激活以及扩张‑腐蚀策略实现高效推理，在保持感知质量前提下比教师模型 TSD-SR 快 5.68 倍、参数量降低 83%。

关键手法¶

• 深度剪枝 + 动态块间激活 + 扩张‑腐蚀策略：实现扩散模型高效推理
• VAE 进一步压缩：通道剪枝、去除注意力模块、改用轻量化 SepConv、移除时序与提示相关模块并做预缓存
• 在多项指标上与基线相当，但在推理速度与计算成本上优势明显

领域背景¶

真实拍摄图像同时混杂噪声、模糊、压缩损伤、镜头缺陷与 ISP 链路退化，Real-ISR 比合成退化条件下的超分难得多，更依赖强先验模型。过去两年 Diffusion 模型在图像生成/修复/增强中刷新画质上限，成为高质量图像增强的重要方向。

价值¶

• 提供了扩散模型推理加速 + 轻量化部署（手机端）的可迁移手法：剪枝、动态激活、SepConv 替换、模块预缓存
• 对 diffusion 类模型部署优化与边缘推理有直接参考价值，与 DGAF-VSR 视频超分扩散、Diffusion 一致性框架综述 同属扩散模型效率/压缩议题

→ 原文存档