WACV 2025
Winter Conference on Applications of Computer Vision (WACV) 是计算机视觉领域的重要学术会议之一。由美国计算机视觉协会举办，共同探讨计算机视觉领域的前沿技术和应用发展。WACV 2025于2月28日到3月4日在美国亚利桑那州图森市举办，本次大会共收到 2458 篇投稿，经过严格的评审过程，最终录取率为 37.8%。
现将超分辨率方向上接收的论文汇总如下，遗漏之处还请大家斧正。
图像超分
参数共享与轻量级模型
- Partial Filter-Sharing: Improved Parameter-Sharing Method for Single Image Super-Resolution Networks
- Paper: openaccess
- Code: https://github.com/saturnian77/Partial_filter-Sharing/
- Keywords: Parameter-Sharing, Filter-Sharing, Lightweight, Single Image Super-Resolution
- Features: 提出部分过滤器共享(PS)方法，通过共享过滤器片段而非整个过滤器，在保持网络表示能力的同时减少参数数量
- Team: Karam Park, Nam Ik Cho (首尔国立大学)
- ENAF: A Multi-Exit Network with an Adaptive Patch Fusion for Large Image Super Resolution
- Paper: openaccess
- Keywords: Multi-Exit Network, Adaptive Patch Fusion, Large Image Super Resolution
- Features: 多出口网络结构，自适应块融合技术，适用于大尺寸图像超分辨率
- Team: Nguyen (韩国科学技术院)
医学图像超分
- SeCo-INR: Semantically Conditioned Implicit Neural Representations for Improved Medical Image Super-Resolution
- Paper: https://arxiv.org/abs/2409.01013
- Keywords: Implicit Neural Representations, Semantic Conditioning, Medical Image Super-Resolution
- Features: 利用医学图像中的语义分割先验信息，为每个语义区域生成最优的INR参数，提高医学图像超分辨率效果
- Team: Mevan Ekanayake, Zhifeng Chen, Gary Egan, Mehrtash Harandi, Zhaolin Chen （莫纳什大学，澳大利亚）
扩散模型
- Boosting Diffusion Guidance via Learning Degradation-Aware Models for Blind Super Resolution
- Paper: https://arxiv.org/abs/2501.08819
- Keywords: Diffusion Guidance, Degradation-Aware Models, Blind Super Resolution
- Features: 引入退化感知模型到扩散引导框架中，无需已知退化核，提出输入扰动和引导标量两种新技术提高性能
- Team: Lu, Shao-Hao and Wang, Ren and Huang, Ching-Chun and Chiu, Wei-Chen (台湾省国立清华大学)
- Dynamic Attention-Guided Diffusion for Image Super-Resolution (Oral)
- Paper: https://arxiv.org/abs/2308.07977
- Code: https://github.com/ryanlu2240/DADiff
- Keywords: Attention-Guided, Diffusion, Image Super-Resolution, YODA (You Only Diffuse Areas)
- Features: 提出YODA方法，通过注意力图引导扩散过程，选择性地关注图像区域，提高图像质量和训练稳定性
- Team: Brian B. Moser, Stanislav Frolov, Federico Raue, Sebastian Palacio, Andreas Dengel （德国人工智能研究中心，凯泽斯劳滕-兰道大学）
文本图像超分
- NCAP: Scene Text Image Super-Resolution with Non-CAtegorical Prior
- Paper: https://arxiv.org/abs/2504.00410
- Code: https://github.com/THINKWARE-AI/NCAP
- Keywords: Scene Text, Non-Categorical Prior, Super-Resolution
- Features: 使用非分类先验（NCAP）替代不稳定的显式分类先验，缓解联合训练中的过度自信现象
- Team: Park (韩国THINKWARE公司)
视频超分
- RefVSR++: Exploiting Reference Inputs for Reference-Based Video Super-Resolution
- Paper: https://arxiv.org/abs/2307.02897
- Keywords: Reference-Based Video Super-Resolution, Multi-Camera Systems, Dual-Stream Architecture
- Features: 利用多摄像头系统，采用双流架构独立聚合LR和Ref图像序列，PSNR提升超过1dB
- Team: Zou, Han and Suganuma, Masanori and Okatani, Takayuki (东北大学)
- Unifying Low-Resolution and High-Resolution Alignment by Event Cameras for Space-Time Video Super-Resolution
- Paper: openaccess
- Code: https://github.com/Chohoonhee/ESTNet
- Keywords: Event Cameras, Space-Time Video Super-Resolution, Low-Resolution, High-Resolution Alignment
- Features: 利用事件相机的高时间特性，通过低分辨率和高分辨率两个阶段的时序对齐，有效解决时空视频超分辨率任务
- Team: Cho, Hoonhee and Kang, Jae-Young and Kim, Taewoo and Jeong, Yuhwan and Yoon, Kuk-Jin (韩国科学技术院)
其他场景
- Can Location Embeddings Enhance Super-Resolution of Satellite Imagery?
- Paper: Paper: http://arxiv.org/abs/2501.15847
- Keywords: Location Embeddings, Satellite Imagery, Super-Resolution, SatCLIP
- Features: 首个将位置嵌入用于遥感超分辨率的模型，通过整合地理上下文提高模型在不同地理区域的泛化能力
- Team: Daniel Panangian and Ksenia Bittner (德国航空航天中心)
总结
从本届WACV 2025接收的论文来看，超分辨率领域呈现以下几个明显趋势：
扩散模型的应用扩展：扩散模型在超分辨率领域的应用持续深入，包括盲超分辨率(Boosting Diffusion Guidance)和注意力引导扩散(Dynamic Attention-Guided Diffusion)等创新方法。
轻量级模型设计：针对实际应用需求，参数共享(Partial Filter-Sharing)和多出口网络(ENAF)等轻量级设计受到关注，旨在减少模型复杂度同时保持高性能。
领域特定超分辨率：针对特定应用场景的超分辨率方法增多，如医学图像(SeCo-INR)、文本图像(NCAP)、卫星图像(Location Embeddings)等，体现了超分辨率技术在各领域的深入应用。
多模态信息融合：利用语义信息(SeCo-INR)、位置信息(Location Embeddings)等多模态先验知识提升超分辨率效果成为重要研究方向。
视频超分辨率创新：基于参考的视频超分辨率(RefVSR++)和利用事件相机的时空视频超分辨率(Unifying Low-Resolution and High-Resolution Alignment)展示了视频超分辨率领域的新思路。
总体而言，WACV 2025超分辨率研究在保持技术创新的同时，更加注重实际应用和特定场景需求，为超分辨率技术在各领域的落地应用提供了新的思路和方法。
