近日，韩国科学技术院Changick Kim教授团队联合麻省理工学院与微软研究院，成功研发出名为Upsample Anything的通用视觉上采样技术。该成果已上传至arXiv预印本平台，并被人工智能顶级会议CVPR 2026正式接收。针对现有视觉模型为兼顾算力而压缩分辨率导致细节丢失，或处理高分辨率图像面临显存瓶颈的行业痛点，团队创新提出无训练上采样方案。该技术无需额外数据训练，仅需通过测试时优化即可学习像素级各向异性核参数，将低分辨率特征图精准重构为高分辨率特征图，有效恢复图像的精细结构与边界信息。实测表明，在224乘224标准图像测试中，该算法处理耗时仅约0.4秒，GPU显存占用最高可降低16倍，同时保持卓越的视觉还原精度。凭借在计算资源高效利用与学术透明度方面的突出表现，该研究荣获CVPR Compute Gold Star奖项，并以全流程代码公开和实验可复现性荣膺Transparency Champion榜首。业内评估指出，此项技术将显著赋能显存受限的终端设备，有望大幅加速人形机器人精细操作、自动驾驶感知及端侧AI的商业化落地进程。