近三年图像超分辨率研究进展综述（轻量化方向）

一、图像超分辨率技术的近三年核心进展

1. 轻量化网络设计突破

轻量化模型是端侧部署的关键，近三年研究主要围绕参数压缩与计算效率提升展开：

• 1×1卷积与通道优化：SCNet提出全1×1卷积架构，通过逐点卷积替代传统3×3卷积，在保持重建质量的同时将模型参数减少60%以上。该设计通过通道重排（Channel Shuffle）增强特征交互，解决了小卷积核信息传递不足的问题。
• 动态网络与自适应推理：CVPR 2024论文提出动态稀疏激活机制，根据输入图像内容自适应分配计算资源。例如，对高频区域（如边缘）启用高复杂度模块，对平滑区域采用轻量路径，实现平均计算量降低40%而PSNR仅下降0.2dB。
• 知识蒸馏与模型压缩：ECCV 2024研究引入多级知识蒸馏框架，将教师模型（如EDSR）的特征分布与重建结果同时迁移至学生网络，使0.5MB的模型在Set5数据集上达到37.2dB的PSNR࿰