論文の概要: LightBSR: Towards Lightweight Blind Super-Resolution via Discriminative Implicit Degradation Representation Learning

• arxiv url: http://arxiv.org/abs/2506.22710v1
• Date: Sat, 28 Jun 2025 01:24:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:53.525329
• Title: LightBSR: Towards Lightweight Blind Super-Resolution via Discriminative Implicit Degradation Representation Learning
• Title（参考訳）: LightBSR: 識別的暗黙的劣化表現学習による軽量ブラインド超解法を目指して
• Authors: Jiang Yuan, JI Ma, Bo Wang, Guanzhou Ke, Weiming Hu,
• Abstract要約: LR画像の暗黙的劣化表現(IDR)を抽出する際の暗黙的劣化推定に基づく盲点超解像(IDE-BSR)ヒンジ。 既存の方法は、BSRにおけるIDR識別性の重要性を無視している。 光BSRと呼ばれる新しい強力で軽量なBSRモデルを提案する。
• 参考スコア（独自算出の注目度）: 31.033241616185375
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Implicit degradation estimation-based blind super-resolution (IDE-BSR) hinges on extracting the implicit degradation representation (IDR) of the LR image and adapting it to LR image features to guide HR detail restoration. Although IDE-BSR has shown potential in dealing with noise interference and complex degradations, existing methods ignore the importance of IDR discriminability for BSR and instead over-complicate the adaptation process to improve effect, resulting in a significant increase in the model's parameters and computations. In this paper, we focus on the discriminability optimization of IDR and propose a new powerful and lightweight BSR model termed LightBSR. Specifically, we employ a knowledge distillation-based learning framework. We first introduce a well-designed degradation-prior-constrained contrastive learning technique during teacher stage to make the model more focused on distinguishing different degradation types. Then we utilize a feature alignment technique to transfer the degradation-related knowledge acquired by the teacher to the student for practical inferencing. Extensive experiments demonstrate the effectiveness of IDR discriminability-driven BSR model design. The proposed LightBSR can achieve outstanding performance with minimal complexity across a range of blind SR tasks. Our code is accessible at: https://github.com/MJ-NCEPU/LightBSR.
• Abstract（参考訳）: 逐次劣化推定に基づくブラインド超解像(IDE-BSR)ヒンジは、LR画像の暗黙劣化表現(IDR)を抽出し、LR画像の特徴に適応してHR詳細復元を誘導する。 IDE-BSRはノイズ干渉や複雑な劣化に対処する可能性を示しているが、既存の手法はBSRのIDR識別性の重要性を無視し、その代わりに適応過程を過度に複雑化し、モデルのパラメータや計算量が大幅に増加する。 本稿では、IDRの識別可能性の最適化に焦点をあて、LightBSRと呼ばれる新しい強力で軽量なBSRモデルを提案する。 具体的には、知識蒸留に基づく学習フレームワークを用いる。 まず, 教師の段階において, 事前制約付きコントラスト学習手法をよく設計し, 異なる劣化型を識別することに集中させる手法を提案する。 そこで,本稿では,教師が取得した劣化関連知識を,実践的な推論のために学生に伝達する特徴アライメント手法を提案する。 IDR識別性駆動型BSRモデルの設計の有効性を示す大規模な実験を行った。 提案したLightBSRは、ブラインドSRタスクの範囲で、最小限の複雑さで優れたパフォーマンスを達成することができる。 私たちのコードは、https://github.com/MJ-NCEPU/LightBSRでアクセスできます。

関連論文リスト

• Co-learning Single-Step Diffusion Upsampler and Downsampler with Two Discriminators and Distillation [28.174638880324014]
  超解像度(SR)は、高解像度(HR)画像を低解像度(LR)画像から再構成することを目的としている。 単段階拡散に基づくアップサンプラーと学習可能なダウンサンプラーを協調的に最適化するコラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-10T07:12:46Z)
• Enhanced Super-Resolution Training via Mimicked Alignment for Real-World Scenes [51.92255321684027]
  トレーニング中、LR入力とHR画像の整列により、誤調整問題を緩和する新しいプラグアンドプレイモジュールを提案する。 具体的には,従来のLR試料の特徴を保ちながらHRと整合する新しいLR試料を模倣する。 本手法を合成および実世界のデータセット上で総合的に評価し,SRモデルのスペクトル間での有効性を実証した。
  論文  参考訳（メタデータ） (2024-10-07T18:18:54Z)
• Content-decoupled Contrastive Learning-based Implicit Degradation Modeling for Blind Image Super-Resolution [33.16889233975723]
  急激な劣化モデルに基づくブラインド・スーパーレゾリューション(SR)は、コミュニティで注目を集めている。 本稿では,CdCL(Content-decoupled Contrastive Learning-based blind image super- resolution)フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-10T04:51:43Z)
• Learning Correction Errors via Frequency-Self Attention for Blind Image Super-Resolution [1.734165485480267]
  我々は,LCE(Learning Correction Errors)に着目した新しいブラインドSR手法を提案する。 SRネットワーク内では、元のLR画像とCLR画像の周波数学習の両方を利用して、SR性能を協調的に最適化する。 提案手法は,劣化推定と補正誤差に関連する課題を効果的に解決し,より正確なブラインド画像SRへの道を開く。
  論文  参考訳（メタデータ） (2024-03-12T07:58:14Z)
• DifAugGAN: A Practical Diffusion-style Data Augmentation for GAN-based Single Image Super-resolution [88.13972071356422]
  本稿では,DifAugGAN として知られる GAN ベースの画像超解像法(SR) のための拡散型データ拡張手法を提案する。 それは、訓練中の判別器の校正を改善するために、生成拡散モデルに拡散過程を適用することを含む。 我々のDifAugGANは、現在のGANベースのSISR手法のプラグ・アンド・プレイ戦略であり、判別器の校正を改善し、SR性能を向上させることができる。
  論文  参考訳（メタデータ） (2023-11-30T12:37:53Z)
• RBSR: Efficient and Flexible Recurrent Network for Burst Super-Resolution [57.98314517861539]
  バースト超解像(BurstSR)は、高解像度(HR)画像を低解像度(LR)画像と雑音画像から再構成することを目的としている。 本稿では,効率よくフレキシブルなリカレントネットワークでフレーム単位のキューを融合させることを提案する。
  論文  参考訳（メタデータ） (2023-06-30T12:14:13Z)
• Learning Detail-Structure Alternative Optimization for Blind Super-Resolution [69.11604249813304]
  そこで我々は,ブラインドSRに先立ってカーネルを曖昧にすることなく,再帰的な詳細構造代替最適化を実現する,有効かつカーネルフリーなネットワークDSSRを提案する。 DSSRでは、細部構造変調モジュール(DSMM)が構築され、画像の詳細と構造の相互作用と協調を利用する。 本手法は既存の手法に対して最先端の手法を実現する。
  論文  参考訳（メタデータ） (2022-12-03T14:44:17Z)
• Knowledge Distillation based Degradation Estimation for Blind Super-Resolution [146.0988597062618]
  Blind画像超解像(Blind-SR)は、対応する低解像度(LR)入力画像から高解像度(HR)画像を未知の劣化で復元することを目的としている。 劣化推定器のトレーニングを監督するために、複数の劣化組合せの具体的なラベルを提供することは不可能である。 本稿では,知識蒸留に基づく暗黙劣化推定ネットワーク(KD-IDE)と効率的なSRネットワークを提案する。
  論文  参考訳（メタデータ） (2022-11-30T11:59:07Z)

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。