← 返回 PaperDaily
视觉与图像
CVPR 2026 夺冠？韩国团队用LRU做超分，效率吊打Transformer，仅需一次扫描！
Transformer的注意力机制一统超分天下？韩国高丽大学最新研究说，或许静态的线性递归单元（LRU）才是那个更香的选择。他们提出的LSM，用一次扫描就搞定了原本需要多次动态扫描的活儿，不仅省计算，画质还好到没朋友，成功登上CVPR 2026 Findings！
龙哥读论文
发布于 2026-08-15 00:20:10
阅读 4
查看原文
🐉 龙哥读论文知识星球来了！ 公众号每日8篇拆解不够看？星球 无上限更AI领域论文、资讯、招聘、招博、开源代码， 一站式干货，每日2分钟刷完即赚！ 👇扫码加入「龙哥读论文」知识星球，前沿干货、实用资源一站式拿捏～
龙哥导读：
原论文信息如下：
当下超分领域，Transformer和Mamba最火。前者靠注意力拿下画质巅峰，后者用状态空间模型提升效率。但韩国高丽大学团队盯上了被遗忘的线性递归单元（LRU）。这个在NLP中昙花一现的模型，在图像领域能掀起波澜吗？答案出乎意料：不仅能用，而且很香。他们提出的LSM参数少、计算快，视觉效果碾压MambaIRv2和HAT。
引言：LRU超分？别拿静态模型做2D任务了！ LRU祖师爷是RNN，但梯度消失问题让它在长序列任务上备受折磨。后来有人撤掉非线性和动态参数，搞出清爽的线性递归版本，即LRU。它在长距离建模上展现出惊人的稳定性和线性复杂度潜力。但纯粹的静态线性递归放到图像里，就像老式打字机——敲出的一行字符整整齐齐，但让它理解斑驳纹理和几何结构，就显得"有口难言"。本文骨架清晰：用LRU当核，但给核套上"智能马甲"——语义调制单元（SMU）。一句话概括：让静态LRU学会"看人下菜碟"，对不同像素施加不同递归权重。
方法概述：一篇论文，三大绝招：分类、调制、增强 LSM整体架构如图3和4。核心创新是SMU，它在同一模块里玩了三个几乎不招额外开销的花活。
具体来说，可学习字典充当核心中枢。输入特征通过线性投影变为'Q'，字典变为'K'和'V'后，计算余弦相似度图。该图通过Softmax后，SMU将其分成四部分，分别调节LRU的状态过渡矩阵。同时，SMU利用该图给每个像素分配语义标签，让单次扫描中就能将远距离但语义相似的像素"凑到一起"处理。最后，它还能从字典中提取全局上下文信息补充LRU输出。
核心原理推导：LSM凭什么赢？源于RG-LRU又超越RG-LRU 要理解LSM精髓，得先看其灵感来源——RG-LRU。它通过引入两个门控信号，让静态递归系数能根据输入动态调整。LSM团队将这种思路提炼并简化，给出更适合2D图像处理的调制方案。他们把原先的静态特征值λ和输入矩阵B替换成与输入相关的动态版本。这不是简单乘标量，而是通过精心设计的字典投影，生成四个不同调制令牌，分别调制λ的幅值、B和复数矩阵C的实部与虚部。复杂度基本没增加，但表达能力从瞎子变成千里眼。字典尺寸P远小于图像令牌数T，整个调制过程计算量极小，配得上"零开销"标签。
数据准备及实验设计 实验基于经典超分基准。训练集采用DIV2K和Flickr2K，测试集覆盖Set5、Set14、B100、Urban100和Manga109。模型分三个版本：轻量级LSM-light、标准版LSM-S和LSM。消融实验细致入微：对LRU特征值初始化深入分析，对SMU多角色设计逐一验证，对调制令牌单独剥除测试，确保每部分设计都不白费。
实验结果：精度更高、速度更快、还更省显存？ 结果相当"不讲武德"。在×2超分任务上，LSM-S仅9.7M参数，以34.40 dB PSNR在Urban100上超越参数量更大的CAT-A（16.5M）和MambaIR（20.4M）。在×3和×4下优势更显著。轻量级场景下，LSM-light以最低FLOPs在所有数据集上取得最强性能。
LSM在内存效率上优势显著。图10显示，相同硬件限制下LSM能处理更大输入分辨率。LRU的线性复杂度让训练所需GPU显存比Transformer和Mamba都少得多。
看不见的隐状态如何变强了？ 论文展示了非常有趣的消融视角——隐藏状态可视化对比。图7展示三种变体：原始LRU、带分类的LRU、带分类和调制的LRU（完整LSM）。纯LRU的隐状态几乎是块噪声；加上分类后，开始有宏观轮廓；加上调制的完整版，连建筑立面的窗户和花茎纹理细节都被编码出来。这说明SMU的调制让LRU从"死记硬背"进化成"理解画面"。
龙迷三问 LRU是什么？和传统RNN有什么区别？
SMU的字典怎么训练？需要额外标注吗？
LSM和MambaIR相比，核心优势在哪？
如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~
龙哥点评 论文创新性分数： ★★★★☆
首次将LRU引入图像超分，提出SMU实现输入依赖调制，思路新颖。但RG-LRU和字典注意力已有相关工作。实验合理度： ★★★★☆
对比方法覆盖全面，消融周到。但缺少与更大型模型（如HAT-L）对比。学术研究价值： ★★★★★
开创"静态LRU+轻量调制"做视觉任务的新范式，启发性强。稳定性： ★★★☆☆
结果稳定，但特征值初始化敏感度较高，需认真调参。适应性以及泛化能力： ★★★★☆
跨越多个缩放因子和数据集，泛化不错。但仅测试SR任务。硬件需求及成本： ★★★★★
LRU线性复杂度使训练显存和推理FLOPs低于同级Transformer和Mamba，对移动端友好。复现难度： ★★★★★
官方代码已开源，环境配置清晰，复现顺畅。产品化成熟度： ★★★☆☆
可通过ONNX导出轻量版，但缺少多平台部署测试和低比特量化实验。可能的问题： 字典容量P和LRU状态尺寸选取缺乏自动化方案。复数输出调制贡献不如输入调制显著。缺少与更大算力下模型直接对比。
主要参考文献
[40] Orvieto A, et al. Resurrecting recurrent neural networks for long sequences. ICML, 2023. [13] De et al. Gated Linear Recurrent Units (Griffin). arXiv, 2024. [21] Guo H, et al. MambaIR. ECCV, 2024. [22] Guo H, et al. MambaIRv2. arXiv, 2024. [31] Liang J, et al. SwinIR. ICCV, 2021. [7] Chen X, et al. HAT. CVPR, 2023. [54] Zheng Y, et al. ATD. ECCV, 2024. *本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见。欢迎就论文内容交流探讨。想了解更多原文细节，可点击 "阅读原文" 。
想跟上每日AI领域的本质变化，欢迎加入龙哥读论文粉丝群，
扫描下方二维码或添加龙哥助手微信号加群 ：kangjinlonghelper。
备注：研究方向+地点+学校/公司+昵称 。
