論文の概要: Stroke-based Cyclic Amplifier: Image Super-Resolution at Arbitrary Ultra-Large Scales

• arxiv url: http://arxiv.org/abs/2506.10774v1
• Date: Thu, 12 Jun 2025 14:51:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 15:37:22.795304
• Title: Stroke-based Cyclic Amplifier: Image Super-Resolution at Arbitrary Ultra-Large Scales
• Title（参考訳）: Stroke-based Cyclic Amplifier: Image Super-Resolution at Arbitrary Ultra-Large Scales
• Authors: Wenhao Guo, Peng Lu, Xujun Peng, Zhaoran Zhao, Sheng Li,
• Abstract要約: ASISR(Arbitrary-Scale Image Super-Resolution)法では,アップサンプリング係数がトレーニングデータでカバーされる範囲を超えると,性能が著しく低下することが多い。 超大型アップサンプリングタスクのための統一モデルであるStroke-based Cyclic Amplifier (SbCA)を提案する。
• 参考スコア（独自算出の注目度）: 10.209274379479586
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Prior Arbitrary-Scale Image Super-Resolution (ASISR) methods often experience a significant performance decline when the upsampling factor exceeds the range covered by the training data, introducing substantial blurring. To address this issue, we propose a unified model, Stroke-based Cyclic Amplifier (SbCA), for ultra-large upsampling tasks. The key of SbCA is the stroke vector amplifier, which decomposes the image into a series of strokes represented as vector graphics for magnification. Then, the detail completion module also restores missing details, ensuring high-fidelity image reconstruction. Our cyclic strategy achieves ultra-large upsampling by iteratively refining details with this unified SbCA model, trained only once for all, while keeping sub-scales within the training range. Our approach effectively addresses the distribution drift issue and eliminates artifacts, noise and blurring, producing high-quality, high-resolution super-resolved images. Experimental validations on both synthetic and real-world datasets demonstrate that our approach significantly outperforms existing methods in ultra-large upsampling tasks (e.g. $\times100$), delivering visual quality far superior to state-of-the-art techniques.
• Abstract（参考訳）: ASISR(Arbitrary-Scale Image Super-Resolution)の手法は、トレーニングデータによってカバーされる範囲をアップサンプリング係数が超えると、顕著な性能低下を経験することが多い。 この問題に対処するために,超大規模アップサンプリングタスクのための統一モデルであるStroke-based Cyclic Amplifier (SbCA)を提案する。 SbCAの鍵はストロークベクトル増幅器であり、画像は倍率のベクトルグラフィックスとして表される一連のストロークに分解される。 そして、詳細補完モジュールは、欠落した詳細を復元し、高忠実度画像再構成を保証する。 我々の循環的戦略は、トレーニング範囲内でサブスケールを維持しながら、この統一されたSbCAモデルで詳細を反復的に精錬することで、超大規模アップサンプリングを実現する。 提案手法は分散ドリフト問題に効果的に対処し, アーチファクトやノイズ, ぼやけを排除し, 高品質で高解像度の超解像を生成する。 合成および実世界の両方のデータセットに対する実験的検証により、我々のアプローチは、超大規模なアップサンプリングタスク(例えば、$\times100$)において既存の手法よりも大幅に優れており、最先端技術よりもはるかに優れた視覚的品質を提供することが示された。

関連論文リスト

• One-Step Diffusion-based Real-World Image Super-Resolution with Visual Perception Distillation [53.24542646616045]
  画像超解像(SR)生成に特化して設計された新しい視覚知覚拡散蒸留フレームワークであるVPD-SRを提案する。 VPD-SRは2つのコンポーネントから構成される: 明示的セマンティック・アウェア・スーパービジョン(ESS)と高周波知覚(HFP)損失。 提案したVPD-SRは,従来の最先端手法と教師モデルの両方と比較して,たった1ステップのサンプリングで優れた性能が得られる。
  論文  参考訳（メタデータ） (2025-06-03T08:28:13Z)
• Rethinking the Upsampling Layer in Hyperspectral Image Super Resolution [51.98465973507002]
  ハイパースペクトル画像のマルチスケールチャネル特性のキャリブレーションにチャネルアテンションを組み込んだ,新しい軽量SHSRネットワーク LKCA-Net を提案する。 我々は、学習可能なアップサンプリング層の低ランク特性が軽量なSHSR手法における重要なボトルネックであることを初めて証明した。
  論文  参考訳（メタデータ） (2025-01-30T15:43:34Z)
• Multi-scale Frequency Enhancement Network for Blind Image Deblurring [7.198959621445282]
  視覚障害者のためのマルチスケール周波数拡張ネットワーク(MFENet)を提案する。 ぼやけた画像のマルチスケール空間およびチャネル情報をキャプチャするために,深度的に分離可能な畳み込みに基づくマルチスケール特徴抽出モジュール(MS-FE)を導入する。 提案手法は,視覚的品質と客観的評価の両指標において,優れた劣化性能を達成できることを実証する。
  論文  参考訳（メタデータ） (2024-11-11T11:49:18Z)
• UltraPixel: Advancing Ultra-High-Resolution Image Synthesis to New Peaks [36.61645124563195]
  カスケード拡散モデルを用いて高画質画像を複数解像度で生成する新しいアーキテクチャであるUltraPixelを提案する。 後半の認知段階における低分解能画像のセマンティクスに富んだ表現を用いて、高精細高分解能画像の全生成を導く。 我々のモデルは、データ要求を減らして高速なトレーニングを行い、フォトリアリスティックな高解像度画像を生成する。
  論文  参考訳（メタデータ） (2024-07-02T11:02:19Z)
• Frequency-Domain Refinement with Multiscale Diffusion for Super Resolution [7.29314801047906]
  周波数領域誘導型マルチスケール拡散モデル(FDDiff)を提案する。 FDDiffは、高周波情報補完プロセスをよりきめ細かいステップに分解する。 FDDiffは高忠実度超解像率で先行生成法より優れていた。
  論文  参考訳（メタデータ） (2024-05-16T11:58:52Z)
• Improving Feature Stability during Upsampling -- Spectral Artifacts and the Importance of Spatial Context [15.351461000403074]
  画像復元、画像分割、不均一性推定など、さまざまなタスクにおいて、画素ワイズ予測が求められている。 以前の研究では、再サンプリング操作がエイリアスなどのアーティファクトの対象であることが示されている。 アップサンプリング中に大きな空間的コンテキストが利用できることで,安定かつ高品質な画素ワイズ予測が実現可能であることを示す。
  論文  参考訳（メタデータ） (2023-11-29T10:53:05Z)
• ACDMSR: Accelerated Conditional Diffusion Models for Single Image Super-Resolution [84.73658185158222]
  本稿では,ACDMSRと呼ばれる拡散モデルに基づく超解像法を提案する。 提案手法は, 決定論的反復分解過程を通じて超解像を行うために, 標準拡散モデルに適応する。 提案手法は,低解像度画像に対してより視覚的に現実的な表現を生成し,現実的なシナリオにおけるその有効性を強調した。
  論文  参考訳（メタデータ） (2023-07-03T06:49:04Z)
• Hierarchical Integration Diffusion Model for Realistic Image Deblurring [71.76410266003917]
  拡散モデル (DM) は画像劣化に導入され, 有望な性能を示した。 本稿では,階層型統合拡散モデル(HI-Diff)を提案する。 人工的および実世界のぼかしデータセットの実験は、HI-Diffが最先端の手法より優れていることを示した。
  論文  参考訳（メタデータ） (2023-05-22T12:18:20Z)
• Gated Multi-Resolution Transfer Network for Burst Restoration and Enhancement [75.25451566988565]
  低画質の原画像のバーストから空間的精度の高い高画質画像を再構成する新しいGated Multi-Resolution Transfer Network (GMTNet)を提案する。 5つのデータセットに関する詳細な実験分析は、我々のアプローチを検証し、バースト超解像、バーストデノイング、低照度バーストエンハンスメントのための最先端技術を設定する。
  論文  参考訳（メタデータ） (2023-04-13T17:54:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。