Training-free Acceleration for Blind Compressed Image Restoration via Activation-Calibrated Singular Value Decomposition

Suhang Yao, Xin Li, Xijun Wang, Yufei Wang, Yeying Jin, Zhibo Chen · 2026 · arXiv

DOI: 10.48550/arXiv.2610.29959 · open-access PDF

Arabic

وتشير النماذج القائمة على التحويل إلى نموذجًا قويًا في تحسين الصورة المضغوطة (CIR) تحت إعدادات التضخم غير معروفة، ولكن أجهزة التحويل المضغوطة المضغوطة ببطاقة عالية تجعل تطويرها مكلفًا. نحن نبحث عن تسريع بدون تدريب لأولئك النماذج من خلال تحليل مستمر على المستوى المضغوط. على وجه الخصوص، نحن نحدد أين يتم التركيز على الحسابات، وتحديد توزيع التحويل في شكل قناة تحت الأرقام المضغوطة، وتقييم تراجع القيمة الفردية للأسعار المضغوطة.

Machine translation (Meta M2M100); the English original follows.

Abstract

Transformer-based models achieve strong performance on blind compressed image restoration (CIR) under unknown compression settings, but their densely stacked projection operators make deployment costly. We study training-free acceleration for such models through an empirical, operator-level analysis. Specifically, we profile where computation is concentrated, characterize channel-wise activation distributions under compressed inputs, and examine the singular-value decay of representative projection weights. These measurements identify the recurring projections in the attention, feed-forward, c

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Is this paper real? This page was built from OpenAlex and arXiv records, not generated. Software can verify any reference in one call: GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.29959, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txt

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange