論文の概要: Pure-Pass: Fine-Grained, Adaptive Masking for Dynamic Token-Mixing Routing in Lightweight Image Super-Resolution

• arxiv url: http://arxiv.org/abs/2510.01997v1
• Date: Thu, 02 Oct 2025 13:18:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:21.143427
• Title: Pure-Pass: Fine-Grained, Adaptive Masking for Dynamic Token-Mixing Routing in Lightweight Image Super-Resolution
• Title（参考訳）: 軽量画像超解像における動的Token-MixingルーティングのためのPure-Pass:微粒化, 適応型マスキング
• Authors: Junyu Wu, Jie Tang, Jie Liu, Gangshan Wu,
• Abstract要約: CAMixerは、既存の軽量画像超解法の利点を統合する先駆的な取り組みである。 本稿では,Pure-Pass(Pure-Pass,Pure-Pass,Pure-Pass,Pure-Pass,Pure-Pass,Pure-Pass,Pure-Pass)を提案する。 PP-ATD-lightは最小オーバーヘッドで優れたSR性能を実現し、再構成品質とパラメータ効率でCAMixer-ATD-lightを上回っている。
• 参考スコア（独自算出の注目度）: 43.97142806482452
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image Super-Resolution (SR) aims to reconstruct high-resolution images from low-resolution counterparts, but the computational complexity of deep learning-based methods often hinders practical deployment. CAMixer is the pioneering work to integrate the advantages of existing lightweight SR methods and proposes a content-aware mixer to route token mixers of varied complexities according to the difficulty of content recovery. However, several limitations remain, such as poor adaptability, coarse-grained masking and spatial inflexibility, among others. We propose Pure-Pass (PP), a pixel-level masking mechanism that identifies pure pixels and exempts them from expensive computations. PP utilizes fixed color center points to classify pixels into distinct categories, enabling fine-grained, spatially flexible masking while maintaining adaptive flexibility. Integrated into the state-of-the-art ATD-light model, PP-ATD-light achieves superior SR performance with minimal overhead, outperforming CAMixer-ATD-light in reconstruction quality and parameter efficiency when saving a similar amount of computation.
• Abstract（参考訳）: Image Super-Resolution (SR)は低解像度画像から高解像度画像を再構成することを目的としている。 CAMixerは、既存の軽量SR手法の利点を統合する先駆的な取り組みであり、コンテンツ回復の難しさに応じて、様々な複雑さのトークンミキサーをルーティングするコンテント対応ミキサーを提案する。 しかし、適応性の低下、粗いきめ細かいマスキング、空間的柔軟性など、いくつかの制限が残っている。 本稿では,Pure-Pass(Pure-Pass,Pure-Pass,Pure-Pass,Pure-Pass,Pure-Pass,Pure-Pass,Pure-Pass)を提案する。 PPは固定色中心点を用いて画素を異なるカテゴリに分類し、適応性を維持しつつ、細粒度で空間的に柔軟なマスキングを可能にする。 PP-ATD-lightは最先端のATD-lightモデルに統合され、最小オーバーヘッドでSR性能が向上し、CAMixer-ATD-lightの再現性やパラメータ効率が向上する。

関連論文リスト

• IM-LUT: Interpolation Mixing Look-Up Tables for Image Super-Resolution [21.982964666527646]
  ルックアップテーブル(LUT)ベースのアプローチは、その効率と性能から関心を集めている。 既存のAISR技術は暗黙の神経表現を用いており、計算コストとメモリ要求がかなり高い。 本稿では,ASISR を動作させる新しいフレームワークである Interpolation Mixing LUT (IM-LUT) を提案する。
  論文  参考訳（メタデータ） (2025-07-14T05:02:57Z)
• PassionSR: Post-Training Quantization with Adaptive Scale in One-Step Diffusion based Image Super-Resolution [95.98801201266099]
  拡散に基づく画像超解像(SR)モデルでは、複数のデノナイジングステップのコストで優れた性能を示す。 本稿では,一段階拡散(OSD)画像SR,PassionSRにおける適応スケールの学習後量子化手法を提案する。 我々のPassionSRは、画像SRの最近の先進的な低ビット量子化法に対して大きな利点がある。
  論文  参考訳（メタデータ） (2024-11-26T04:49:42Z)
• Transforming Image Super-Resolution: A ConvFormer-based Efficient Approach [58.57026686186709]
  本稿では, Convolutional Transformer Layer (ConvFormer) を導入し, ConvFormer-based Super-Resolution Network (CFSR) を提案する。 CFSRは畳み込みベースのアプローチとトランスフォーマーベースのアプローチの両方の利点を継承する。 CFSRは計算コストと性能のバランスが最適であることを示す実験である。
  論文  参考訳（メタデータ） (2024-01-11T03:08:00Z)
• Efficient Model Agnostic Approach for Implicit Neural Representation Based Arbitrary-Scale Image Super-Resolution [5.704360536038803]
  単一の画像超解像(SISR)は、主に深層畳み込みネットワークによって大きく進歩した。 従来のネットワークは、画像を一定のスケールにスケールアップすることに限定されており、任意のスケールのイメージを生成するために暗黙の神経機能を利用することになる。 我々は,任意のスケールで超解像を実現する,新しい,効率的なフレームワークであるMixture of Experts Implicit Super-Resolution(MoEISR)を導入する。
  論文  参考訳（メタデータ） (2023-11-20T05:34:36Z)
• DCS-RISR: Dynamic Channel Splitting for Efficient Real-world Image Super-Resolution [15.694407977871341]
  実世界の画像超解像(RISR)は、未知の複雑な劣化下でのSR画像の品質向上に重点を置いている。 既存の手法は、分解レベルが異なる低解像度(LR)画像を強化するために重いSRモデルに依存している。 本稿では,DCS-RISRと呼ばれる高効率リアルタイム画像超解法のための動的チャネル分割方式を提案する。
  論文  参考訳（メタデータ） (2022-12-15T04:34:57Z)
• LAPAR: Linearly-Assembled Pixel-Adaptive Regression Network for Single Image Super-Resolution and Beyond [75.37541439447314]
  単一画像超解像(SISR)は、低解像度(LR)画像を高解像度(HR)バージョンにアップサンプリングする根本的な問題を扱う。 本稿では,線形組立画素適応回帰ネットワーク (LAPAR) を提案する。
  論文  参考訳（メタデータ） (2021-05-21T15:47:18Z)

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。