論文の概要: MFSR: MeanFlow Distillation for One Step Real-World Image Super Resolution

• arxiv url: http://arxiv.org/abs/2603.20690v1
• Date: Sat, 21 Mar 2026 07:18:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.041139
• Title: MFSR: MeanFlow Distillation for One Step Real-World Image Super Resolution
• Title（参考訳）: MFSR:1ステップのリアルタイム画像超解像のための平均フロー蒸留
• Authors: Ruiqing Wang, Kai Zhang, Yuanzhi Zhu, Hanshu Yan, Shilin Lu, Jian Yang,
• Abstract要約: MFSR(Mean Flows for Super-Resolution)は, 単一工程で結果を生成する新しい蒸留フレームワークである。 MFSRは効率的でフレキシブルで高品質な超高解像度を実現し、マルチステップの教師と同等かそれ以上の結果を得られる。
• 参考スコア（独自算出の注目度）: 26.979563091718305
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diffusion- and flow-based models have advanced Real-world Image Super-Resolution (Real-ISR), but their multi-step sampling makes inference slow and hard to deploy. One-step distillation alleviates the cost, yet often degrades restoration quality and removes the option to refine with more steps. We present Mean Flows for Super-Resolution (MFSR), a new distillation framework that produces photorealistic results in a single step while still allowing an optional few-step path for further improvement. Our approach uses MeanFlow as the learning target, enabling the student to approximate the average velocity between arbitrary states of the Probability Flow ODE (PF-ODE) and effectively capture the teacher's dynamics without explicit rollouts. To better leverage pretrained generative priors, we additionally improve original MeanFlow's Classifier-Free Guidance (CFG) formulation with teacher CFG distillation strategy, which enhances restoration capability and preserves fine details. Experiments on both synthetic and real-world benchmarks demonstrate that MFSR achieves efficient, flexible, and high-quality super-resolution, delivering results on par with or even better than multi-step teachers while requiring much lower computational cost.
• Abstract（参考訳）: 拡散およびフローベースモデルには先進的なReal-world Image Super-Resolution (Real-ISR)があるが、多段階サンプリングによって推論が遅く、デプロイが困難になる。 1段階の蒸留でコストが軽減されるが、しばしば修復の質を低下させ、より多くの工程で精製するオプションを除去する。 MFSR(Mean Flows for Super-Resolution, MFSR)は, 1ステップで光実写結果を生成する新しい蒸留フレームワークである。 提案手法では,学習対象としてMeanFlowを用いて,確率フローODE(PF-ODE)の任意の状態間の平均速度を近似し,明示的なロールアウトを伴わずに教師のダイナミクスを効果的に捉える。 さらに, 教師のCFG蒸留戦略を用いて, 元のMeanFlowの分類自由誘導(CFG)の定式化を改良し, 復元能力を高め, 詳細を保存した。 合成と実世界のベンチマークの実験では、MFSRは効率的でフレキシブルで高品質な超解像を実現し、計算コストをはるかに低くしながら、マルチステップの教師と同等かそれ以上の成績を得られることを示した。

関連論文リスト

• FlowSteer: Guiding Few-Step Image Synthesis with Authentic Trajectories [82.90132015584359]
  ReFlowはフローマッチングと理論的に整合性があるが、現実的なシナリオでは最適ではない。 本研究では,ReFlowをベースとした蒸留手法であるFlowSteerを提案する。
  論文  参考訳（メタデータ） (2025-11-24T07:13:23Z)
• Consistency Trajectory Matching for One-Step Generative Super-Resolution [27.414903007958657]
  現在の拡散に基づく超解像法は、高い推論オーバーヘッドを犠牲にして可換性を実現する。 超解法のための一貫性トラジェクトリマッチング (CTMSR) を提案する。これは蒸留不要戦略であり、フォトリアリスティックSRを1ステップで生成できる。 提案手法は, 合成データセットと実データセットの両方において, 同等あるいはそれ以上の能力が得られることを示す。
  論文  参考訳（メタデータ） (2025-03-26T09:20:42Z)
• One Diffusion Step to Real-World Super-Resolution via Flow Trajectory Distillation [60.54811860967658]
  FluxSRはフローマッチングモデルに基づく新しい一段階拡散リアルISRである。 まず,フロートラジェクトリ蒸留(FTD)を導入し,多段階のフローマッチングモデルを1段階のリアルISRに蒸留する。 第2に、画像リアリズムを改善し、生成画像の高周波アーティファクト問題に対処するために、テレビLPIPSを知覚的損失として提案する。
  論文  参考訳（メタデータ） (2025-02-04T04:11:29Z)
• Unleashing the Power of One-Step Diffusion based Image Super-Resolution via a Large-Scale Diffusion Discriminator [81.81748032199813]
  拡散モデルは実世界の超解像(Real-ISR)に優れた性能を示した SRのための大規模textbfDiscriminator を用いた One-Step textbfDiffusion モデルを提案する。 我々の判別器は、潜伏空間における拡散モデルの任意の時間ステップからノイズのある特徴を抽出することができる。
  論文  参考訳（メタデータ） (2024-10-05T16:41:36Z)
• One Step Diffusion-based Super-Resolution with Time-Aware Distillation [60.262651082672235]
  拡散に基づく画像超解像(SR)法は,低解像度画像から細部まで細部まで,高解像度画像の再構成に有望であることを示す。 近年,拡散型SRモデルの知識蒸留によるサンプリング効率の向上が試みられている。 我々は,効率的な画像超解像を実現するため,TAD-SRというタイムアウェア拡散蒸留法を提案する。
  論文  参考訳（メタデータ） (2024-08-14T11:47:22Z)
• SinSR: Diffusion-Based Image Super-Resolution in a Single Step [119.18813219518042]
  拡散モデルに基づく超解像(SR)法は有望な結果を示す。 しかし、それらの実践的応用は、必要な推論ステップのかなりの数によって妨げられている。 本稿では,SinSRという単一ステップのSR生成を実現するための,シンプルで効果的な手法を提案する。
  論文  参考訳（メタデータ） (2023-11-23T16:21:29Z)

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。