小米9：NAS驱动的图像超分辨率黑科技突破

小米9的拍照功能中融入了一项黑科技——基于神经架构搜索（Neural Architecture Search, NAS）的图像超分辨率算法。这项技术源自Xiangxiang Chu、Bo Zhang等人发表的研究，他们在《机器之心》上介绍了这一突破性成果。NAS作为一种自动机器学习（AutoML）的方法，通过弹性搜索策略（包括宏观和微观级别的搜索）在图像超分辨率问题上实现了显著的进步。 传统的图像超分辨率（Single Image Super-Resolution, SISR）任务的目标是通过单张低分辨率图像恢复出对应的高分辨率图像，这通常依赖深度学习的非线性拟合能力。然而，现有的SISR模型大多由人工设计，难以进行参数调整和优化。论文中的研究者借鉴了神经架构搜索在分类任务中的成功经验，提出了一种新的搜索策略，能够自动生成在特定计算资源限制（如FLOPs）下表现优异的超分辨率模型，例如超过ECCV 2018年明星模型CARNM。 值得注意的是，这项工作在仅使用一台V100 GPU的短时间内，就实现了高性能的模型设计。这项技术的普适性意味着它不仅限于图像超分辨率，理论上可以应用于其他监督学习任务。作者的贡献主要体现在四个方面： 1. **高效模型设计**：他们发布了一系列快速、准确且轻量级的超分辨率模型，这些模型在性能上接近当前最优解决方案。 2. **搜索策略增强**：在细胞级别结合宏观和微观空间，提升了搜索的灵活性和准确性。 3. **多目标优化**：将超分辨率问题视为一个受限的多目标优化问题，通过混合型控制器实现探索与利用的平衡。 4. **高质量模型生成**：这项工作生成的模型能够在保持高精度的同时，提供优秀的图像超分辨率效果，挑战了当时的SOTA标准。 这项基于NAS的图像超分辨率算法是小米在计算机视觉领域的创新成果，展示了深度学习和自动化设计在提升图像处理性能方面的潜力，对于推动图像重建技术的发展具有重要意义。