OracleZoom：受在策略自蒸馏启发的参考约束递归图像超分辨率

递归超分辨率（SR）通过将预测结果反复反馈给同一模型，将固定尺度的超分辨率扩展到极端放大，类似于反复缩放图像。然而，在每个尺度，尤其是深层尺度上获取真实值仍然具有挑战性，因为所需的源分辨率呈几何级数增长，导致更深层的预测缺乏监督。我们提出了 OracleZoom，这是一种受在策略蒸馏启发、受参考约束的框架，在自身轨迹上进行训练，同时将最后的真实值证据延伸到监督边界之外。直接监督和跨尺度监督约束可验证内容，而无参考质量目标则引导尚未解析的细粒度细节。受 KL 约束的预训练潜变量先验限制由质量驱动的偏移，而 EMA 一致性则稳定监督边界。在七个数据集上，OracleZoom 在各种放大尺度上均实现了最先进的超分辨率质量，CLIPIQA 平均达到 0.713，并且在更深层尺度上取得更大提升，同时显著减少了幻觉。代码、数据和模型可在 https://dipta007.github.io/OracleZoom/ 获取。