論文の概要: Tiled Prompts: Overcoming Prompt Underspecification in Image and Video Super-Resolution

• arxiv url: http://arxiv.org/abs/2602.03342v1
• Date: Tue, 03 Feb 2026 10:09:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:15.384662
• Title: Tiled Prompts: Overcoming Prompt Underspecification in Image and Video Super-Resolution
• Title（参考訳）: Tiled Prompts:画像とビデオの超解像における不特定性を克服する
• Authors: Bryan Sangwoo Kim, Jonghyun Park, Jong Chul Ye,
• Abstract要約: テキスト条件付き拡散モデルでは、プロンプトをセマンティック先行として使用することで、高度な画像とビデオの超解像が得られる。 画像とビデオの超解像のための統合されたフレームワークであるTiled Promptsを提案し、各潜伏タイルに対してタイル固有のプロンプトを生成し、局所的なテキスト条件で超解像を行う。
• 参考スコア（独自算出の注目度）: 47.027290803102666
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text-conditioned diffusion models have advanced image and video super-resolution by using prompts as semantic priors, but modern super-resolution pipelines typically rely on latent tiling to scale to high resolutions, where a single global caption causes prompt underspecification. A coarse global prompt often misses localized details (prompt sparsity) and provides locally irrelevant guidance (prompt misguidance) that can be amplified by classifier-free guidance. We propose Tiled Prompts, a unified framework for image and video super-resolution that generates a tile-specific prompt for each latent tile and performs super-resolution under locally text-conditioned posteriors, providing high-information guidance that resolves prompt underspecification with minimal overhead. Experiments on high resolution real-world images and videos show consistent gains in perceptual quality and text alignment, while reducing hallucinations and tile-level artifacts relative to global-prompt baselines.
• Abstract（参考訳）: テキスト条件付き拡散モデルでは、プロンプトをセマンティックプリエントとして利用することで、高度な画像とビデオの超解像が得られるが、現代の超解像パイプラインは通常、高分解能にスケールするために遅延タイリングに依存しており、単一のグローバルキャプションがプロンプト不特定を引き起こす。 粗いグローバルプロンプトは、しばしば局所化された詳細(急激な間隔)を見逃し、分類器のないガイダンスによって増幅できる、局所的に無関係なガイダンス(急激な誤認)を提供する。 画像とビデオの超解像を統合したフレームワークであるTiled Promptsを提案し,各潜伏タイルに対してタイル固有のプロンプトを生成し,局所的なテキスト条件で超解像を行う。 高解像度の現実世界の画像やビデオの実験では、知覚品質とテキストアライメントが一貫して向上し、幻覚やタイルレベルのアーティファクトがグローバルなプロンプトベースラインに対して減少している。

関連論文リスト

• HiPrompt: Tuning-free Higher-Resolution Generation with Hierarchical MLLM Prompts [77.62320553269615]
  HiPromptは高解像度画像生成のためのチューニング不要のソリューションである。 階層的なプロンプトは グローバルとローカルの両方のガイダンスを提供する 生成された画像は、高定義のコヒーレントな局所的および大域的意味論、構造、テクスチャを保持する。
  論文  参考訳（メタデータ） (2024-09-04T17:58:08Z)
• AccDiffusion: An Accurate Method for Higher-Resolution Image Generation [63.53163540340026]
  AccDiffusionは、パッチワイドの高解像度画像生成をトレーニングなしで正確に行う方法である。 本稿では,異なるパッチに対する同一のテキストプロンプトが繰り返しオブジェクト生成を引き起こすことを明らかにする。 私たちのAccDiffusionは、初めて、バニラ画像認識プロンプトをパッチコンテンツ認識プロンプトのセットに分離することを提案しています。
  論文  参考訳（メタデータ） (2024-07-15T14:06:29Z)
• DaLPSR: Leverage Degradation-Aligned Language Prompt for Real-World Image Super-Resolution [19.33582308829547]
  本稿では, 精度, 精細度, 高忠実度画像復元のために, 劣化対応言語プロンプトを活用することを提案する。 提案手法は,新しい最先端の知覚品質レベルを実現する。
  論文  参考訳（メタデータ） (2024-06-24T09:30:36Z)
• ResMaster: Mastering High-Resolution Image Generation via Structural and Fine-Grained Guidance [46.64836025290448]
  ResMasterは、解像度制限を超えて高品質な画像を生成するために、解像度制限付き拡散モデルに権限を与える、トレーニング不要の方法である。 パッチ・バイ・パッチで高解像度画像を作成するための構造的かつきめ細かいガイダンスを提供する。 実験では、ResMasterが高解像度画像生成のための新しいベンチマークを設定し、有望な効率を示す。
  論文  参考訳（メタデータ） (2024-06-24T09:28:21Z)
• CoSeR: Bridging Image and Language for Cognitive Super-Resolution [74.24752388179992]
  本稿では,低解像度画像の理解能力を備えたSRモデルを実現するCoSeR(Cognitive Super-Resolution)フレームワークを提案する。 画像の外観と言語理解を組み合わせることで、認知的な埋め込みを生成する。 画像の忠実度をさらに向上させるため、「オール・イン・アテンション」と呼ばれる新しい条件注入方式を提案する。
  論文  参考訳（メタデータ） (2023-11-27T16:33:29Z)

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。