传音多媒体团队揽获CVPR NTIRE 2025两项挑战赛冠亚军-电子发烧友网

近日，在计算机视觉领域最具影响力的国际竞赛 CVPR NTIRE 2025中，传音多媒体团队与上海交通大学图像所MediaLab联合团队分别斩获高效超分辨率挑战赛（NTIRE 2025 Efficient Super-Resolution Challenge）第一名，短视频UGC图像超分辨率挑战赛（NTIRE 2025 Short-form UGC Image Super-Resolution Challenge）第二名，展现了传音在视频画质领域的深厚积累与领先实力。

CVPR NTIRE（New Trends in Image Restoration and Enhancement）是计算机视觉顶会CVPR(Conference on Computer Vision and Pattern Recognition)旗下极具影响力的国际学术竞赛，素有“影像算法奥林匹克”之称。该赛事聚焦视频复原、图像增强、生成技术及质量评估等底层视觉任务，旨在推动技术突破并解决实际应用难题。今年的赛事设置了多项挑战赛，吸引了全球顶尖科研与产业队伍参与。

传音深耕非洲、南亚等新兴市场多年，始终围绕用户需求进行本地化创新。近年来数字媒体飞速发展，传音洞察到用户对智能手机图像和视频素质提出了更高的要求。据Dataspark的数据显示，2024年非洲用户月均在社交、视频类App上花费约52小时，然而非洲用户观看视频在线播放网速平均不到10M/S，观看体验较差。面对非洲等目标市场存在的网速慢、流量贵等现实问题，传音持续投入资源，与上海交通大学图像所MediaLab深入合作，研发轻量化、低功耗、高性能的画质增强技术，让更多用户在有限条件下也能享受高清视觉体验。

▍技术成果一

高效图像超分辨率中的蒸馏监督下的卷积低秩适应

在高效超分辨率挑战赛中，传音多媒体团队和上海交通大学图像所MediaLab提交的论文“高效图像超分辨率中的蒸馏监督下的卷积低秩适应(Distillation-Supervised Convolutional Low-Rank Adaptation for Efficient Image Super-Resolution)”提出DSCLoRA技术，其借鉴大语言模型中的低秩适应并结合知识蒸馏策略，在不增加计算成本的前提下显著提升了高效超分辨率模型的性能。

多个基准数据集上的实验结果表明DSCLoRA在模型复杂度和性能表现之间实现了出色的均衡。在不增加模型体积和计算开销的前提下，DSCLoRA能够大幅提升图像超分辨率效果，提升弱网环境下视频通话与流媒体播放清晰度，同时具备推理速度快、功耗低等优点。通过将该算法集成至手机影像引擎，用户在在线视频播放、视频通话、图像放大、数码变焦拍摄等场景中，均可体验更高分辨率、更锐利自然的画面。

模型架构总览

▍技术成果二

用于短视频UGC图像超分辨率的增强语义提取与引导

在短视频UGC图像超分辨率挑战赛中，传音多媒体团队和上海交通大学图像所MediaLab提交的论文“用于UGC图像超分辨率的增强语义提取与引导（Enhanced Semantic Extraction and Guidance for UGC Image Super Resolution）”，提出一种基于 Diffusion 的新型模型以处理短视频平台 UGC 场景下低分辨率退化图片，有助于实现更稳健、感知可信和实际适用的图像修复。

该模型通过制作特定数据集，消除现实 UGC 场景下图片退化类型和合成退化之间存在的差异。其次，通过引入语义提取模块，利用 SAM2 预训练模型提取高层次的上下文信息，协助模型进行图像重建任务。最后，针对不同的数据集进行参数微调，使模型在不同数据集上表现达到最优。

该项技术突破，将有效处理模糊、压缩、结构变形等常见失真问题，生成更自然、真实、语义一致的修复图像，极大提升用户在短视频截图、社交图片增强等场景中的视觉体验。