这篇论文最有意思的地方，不是"又做了一个查表上采样"这么简单，而是——把好几种插值方法像调鸡尾酒一样混合起来，让查表超分居然能支持任意缩放倍数，而且 CPU 上跑一张 720p 图片只要 2.7 秒。论文标题：IM-LUT: Interpolation Mixing Look-Up Tables for Image Super-Resolution作者：Sejin Park, Sangmin Lee, Kyong Hwan Jin, Seung-Won Jung发表单位：Korea University（高丽大学）原文链接：ICCV 2025开源代码：https://github.com/SejinPark-CV/IM-LUT手机上看超分很美好，但一放大就露馅了超分辨率（Super-Resolution，SR）大家都不陌生——把一张模糊的小图变清晰。但如果你想让模型能灵活放大任意倍数（比如 1.7 倍、2.3 倍、3.6 倍），事情就没那么简单了。现有的查表类方法（LUT-based SR，像 SR-LUT、MuLUT）速度快、体积小，但有一个硬伤：每张表是固定倍数的。你要 2 倍超分就训一张表，要 3 倍又得训另一张，完全没法灵活缩放。另一边，基于隐式神经表示（Implicit Neural Representation，简称 INR）的方法，
