デプロイメントを意識した量子化と教師ガイド付き学習による高効率なINT8単一画像超解像

arXiv cs.CV / 2026/4/23

📰 ニュースDeveloper Stack & InfrastructureModels & Research

共有:

要点

本論文は、低解像度空間での計算を中心にし、PixelShuffleによる再構成と軽量な再パラメータ化バックボーンを用いることで推論の複雑さを抑えた、デプロイメントを意識したINT8量子化単一画像超解像（x3 SR）フレームワークを提案している。
3段階の学習パイプラインにより、空間的な教師信号、Charbonnier損失とDCT領域の教師信号、そしてMambaベースの教師モデルからの信頼度重み付き蒸留を段階的に適用して再構成品質を高める。
さらに、融合したデプロイグラフに直接量子化を前提とした学習（QAT）を行い、重みクリッピングとBatchNormの再校正によってINT8量子化の安定性を改善している。
MAI 2026 Quantized 4K Image Super-Resolution Challengeのテストセットでは、29.79 dB PSNRと0.8634 SSIM、モバイル向け目標INT8の最終提出スコア1.8を報告している。
アブレーションの結果、教師ガイド付きの監督がダイナミックINT8 TFLiteの再構成性能を大きく押し上げ、固定形状のデプロイ可能INT8 TFLite成果物が本研究内で最高の指標を達成している。