提出联合预测傅里叶分量，实现任意尺度超分辨率的质量与成本可控。

Efficient Cost-and-Quality Controllable Arbitrary-scale Super-resolution with Fourier Constraints

• 通过联合预测多个傅里叶分量提升生成效率
• 在任意尺度上实现更高图像质量与更低计算成本
• 适合需要灵活控制推理开销的实时超分辨率应用

任意尺度超分辨率中的成本-质量（CQ）可控性至关重要。现有方法使用循环神经网络逐个预测傅里叶分量，但由于各分量独立预测，导致性能下降且效率低下。本文提出一种联合预测多个傅里叶分量的新方法，显著提升了重建质量和计算效率，实现更优的性能权衡。该方法不依赖于特定尺度，可广泛应用于任意尺度的图像超分辨率任务。

原文摘要 · Abstract (English)

Cost-and-Quality (CQ) controllability in arbitrary-scale super-resolution is crucial. Existing methods predict Fourier components one by one using a recurrent neural network. However, this approach leads to performance degradation and inefficiency due to independent prediction. This paper proposes predicting multiple components jointly to improve both quality and efficiency.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。