vivo 联合南开大学提出 Ada-RefSR，通过“信而有证”范式和自适应隐式相关门控，解决了扩散模型在参考超分中的幻觉与误匹配难题。
📝 详细摘要
本文介绍了入选 ICLR 2026 的研究成果 Ada-RefSR，旨在解决单步扩散模型在超分辨率（SR）任务中容易产生“幻觉”纹理的问题。研究团队针对现有参考超分（RefSR）方法在强退化环境下匹配困难、易产生伪影的痛点，提出了“信而有证”（Trust but Verify）的新范式。该方法基于单步扩散模型构建，核心创新在于设计了自适应隐式相关门控（AICG）模块。AICG 通过可学习的总结 Token 提炼参考图特征，并与低质图特征进行隐式相关性建模，生成自适应权重。当参考信息可靠时增强注入，不可靠时则切换回单图超分模式，从而有效抑制误匹配。实验表明，Ada-RefSR 在多个主流数据集上达到 SOTA 性能，且具备单步生成的极速推理优势，非常适合移动端影像部署。
💡 主要观点
- 提出“信而有证”（Trust but Verify）的参考超分新范式。 通过注意力机制引入参考信息实现“信任”，再利用隐式相关性建模进行过滤与验证，解决了扩散模型在缺乏约束时伪造不真实纹理的困境。
💬 文章金句
- 我们针对于单步 SD 的超分模型容易出现幻觉问题，提出了信而有证参考超分新范式。
- 核心挑战：究竟该如何自适应地利用参考图像？在匹配度高时增强参考，在匹配度低时果断“断舍离”。
- AICG 模块的核心逻辑是通过隐式建模，计算 LQ 输入与参考图之间的“信任分”，从而动态调节细节注入的强度。
- 当 G 趋近于 0 时，说明参考图在该区域不可靠，模型会自动切换回单图超分模式，有效避免误匹配导致的幻觉伪影。
- 采用单步生成架构，相比传统多步迭代的扩散模型，推理速度提升了数十倍，真正具备在手机端侧实时处理的可能性。
📊 文章信息
AI 评分：89
来源：vivo互联网技术
作者：vivo互联网技术
分类：人工智能
语言：中文
阅读时间：11 分钟
字数：2572
标签： ICLR 2026, 扩散模型, 参考超分 (RefSR), 图像修复, 移动影像