【超分代码合集】SwinIR、StableSR、PASD、CCSR 常见超分模型的推理时间对比

本文主要是介绍【超分代码合集】SwinIR、StableSR、PASD、CCSR 常见超分模型的推理时间对比，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

从 Awesome-diffusion-model-for-image-processing 合集 ${}^{[1]}$ 以及 NTIRE 2023 Challenge on Efficient Super-Resolution (CVPR Workshop) ${}^{[2,3]}$ 的超分部分，选取了 4 个 star 数量较高的几个项目进行测试对比。

图像超分论文

模型	论文	Star 数	代码仓库
SwinIR	SwinIR: Image Restoration Using Swin Transformer	4k+	代码
StableSR	Exploiting diffusion prior for real-world image super-resolution	1k+	代码
PASD	Pixel-Aware Stable Diffusion for Realistic Image Super-resolution and Personalized Stylization	700+	代码
CCSR	Improving the Stability of Diffusion Models for Content Consistent Super-Resolution	300+	代码

测试性能

• 测试的功能为 x4 超分辨率，即不论任何尺寸输入，输出尺寸为输入尺寸的 4 倍
• 输入输出尺寸单位均为 pixel
• 硬件：GPU 是 NVIDIA GeForce RTX 3090，显存在 24000MiB左右
• 均为推理时间，s代表秒

输入	输出	StableSR	PASD	CCSR	SwinIR
120 × 80	480 × 320	8.49s	10.12s	2.67s	0.28s
200 × 200	800 × 800	16.32s	5.72s	4.54s	0.57s
256 x 256	1024 × 1024	35.73s	11.42s	8.93s	0.88s
512 x 512	2048 x 2048	331.04s	135.81s	106.20s	3.95s

基于 Transformer 的 SwinIR 从推理速度上完胜 Diffusion 的模型，而实际的输出结果和前几个模型从视觉上主管感受差异并不大。

[1] https://github.com/lixinustc/Awesome-diffusion-model-for-image-processing/?tab=readme-ov-file#image-super-resolution
[2] https://cvlai.net/ntire/2023/
[3] https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=10208768

这篇关于【超分代码合集】SwinIR、StableSR、PASD、CCSR 常见超分模型的推理时间对比的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---