論文の概要: DUO-VSR: Dual-Stream Distillation for One-Step Video Super-Resolution
- arxiv url: http://arxiv.org/abs/2603.22271v1
- Date: Mon, 23 Mar 2026 17:56:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:39.830823
- Title: DUO-VSR: Dual-Stream Distillation for One-Step Video Super-Resolution
- Title（参考訳）: DUO-VSR:1ステップビデオ超解像のためのデュアルストリーム蒸留
- Authors: Zhengyao Lv, Menghan Xia, Xintao Wang, Kwan-Yee K. Wong,
- Abstract要約: 拡散型ビデオ超解像(VSR)は近年、目覚ましい忠実さを達成しているが、それでも違法なサンプリングコストに悩まされている。
本稿では,一段階のVSRに対して,分散マッチングと敵対的監視を統合する3段階のフレームワークであるDUO-VSRを提案する。
- 参考スコア（独自算出の注目度）: 42.8144221191427
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Diffusion-based video super-resolution (VSR) has recently achieved remarkable fidelity but still suffers from prohibitive sampling costs. While distribution matching distillation (DMD) can accelerate diffusion models toward one-step generation, directly applying it to VSR often results in training instability alongside degraded and insufficient supervision. To address these issues, we propose DUO-VSR, a three-stage framework built upon a Dual-Stream Distillation strategy that unifies distribution matching and adversarial supervision for one-step VSR. Firstly, a Progressive Guided Distillation Initialization is employed to stabilize subsequent training through trajectory-preserving distillation. Next, the Dual-Stream Distillation jointly optimizes the DMD and Real-Fake Score Feature GAN (RFS-GAN) streams, with the latter providing complementary adversarial supervision leveraging discriminative features from both real and fake score models. Finally, a Preference-Guided Refinement stage further aligns the student with perceptual quality preferences. Extensive experiments demonstrate that DUO-VSR achieves superior visual quality and efficiency over previous one-step VSR approaches.
- Abstract（参考訳）: 拡散型ビデオ超解像(VSR)は近年、目覚ましい忠実さを達成しているが、それでも違法なサンプリングコストに悩まされている。
分散整合蒸留(DMD)は1段階生成に向けて拡散モデルを加速させるが、VSRに直接適用すると、劣化と不十分な監視とともにトレーニング不安定が生じる。
これらの問題に対処するために,Dual-Stream Distillation 戦略に基づく3段階のフレームワーク DUO-VSR を提案する。
まず, 進行誘導蒸留初期化法を用いて, 軌道保存蒸留による後続の訓練を安定化させる。
次に、Dual-Stream DistillationはDMDとReal-Fake Score Feature GAN(RFS-GAN)ストリームを共同で最適化する。
最後に、Preference-Guided Refinementステージは、学生を知覚的品質の嗜好と整合させる。
広汎な実験により、DUO-VSRは以前の一段階のVSRアプローチよりも優れた視覚的品質と効率を達成することが示された。
関連論文リスト
- Improved Adversarial Diffusion Compression for Real-World Video Super-Resolution [36.32266529540775]
SeedVR2、DOVE、DLoRALのようなワンステップネットワークは、数十億のパラメータとマルチ秒のレイテンシで重くなります。
最近の逆拡散圧縮(ADC)は、これらのモデルをコンパクトなAdcSRネットワークに切断・蒸留することで、有望な経路を提供する。
本稿では,空間的詳細と時間的整合性のバランスを保った実VSRのための改良されたADC手法を提案する。
論文 参考訳（メタデータ） (2026-02-28T04:30:54Z) - Towards One-step Causal Video Generation via Adversarial Self-Distillation [71.30373662465648]
最近のハイブリッドビデオ生成モデルは、自己回帰時間力学と拡散に基づく空間認知を組み合わせている。
我々のフレームワークは、複数の推論ステップ設定を柔軟にサポートする単一の蒸留モデルを生成する。
論文 参考訳（メタデータ） (2025-11-03T10:12:47Z) - Large Scale Diffusion Distillation via Score-Regularized Continuous-Time Consistency [60.74505433956616]
連続時間一貫性モデル(sCM)は理論的に原理化され、学術規模の拡散を加速するために実証的に強力である。
まず並列性互換なFlashAttention-2 JVPカーネルを開発し、100億以上のパラメータと高次元ビデオタスクを持つモデル上でsCMトレーニングを可能にする。
本稿では, スコア蒸留を長軸正則化器として組み込んだスコア規則化連続時間一貫性モデル(rCM)を提案する。
論文 参考訳（メタデータ） (2025-10-09T16:45:30Z) - Adversarial Distribution Matching for Diffusion Distillation Towards Efficient Image and Video Synthesis [65.77083310980896]
本稿では, 実測値と偽測値の間に潜時予測を整列させる適応分布マッチング (ADM) を提案する。
提案手法は,DMD2と比較してSDXLの1ステップ性能に優れ,GPU時間が少ない。
SD3-Medium, SD3.5-Large, CogVideoX に多段階の ADM 蒸留を適用した実験では, 画像と映像の効率的な合成に向けた新しいベンチマークが設定された。
論文 参考訳（メタデータ） (2025-07-24T16:45:05Z) - SimpleGVR: A Simple Baseline for Latent-Cascaded Video Super-Resolution [46.311223206965934]
後続の超解像モデルの設計原理について検討し,その設計原理について検討する。
まず、ベースモデルの出力特性をよりよく模倣し、VSRモデルと上流ジェネレータとの整合性を確保するための2つのトレーニングペアを生成する方法を提案する。
第2に,(1)時間ステップサンプリング戦略,(2)低分解能(LR)入力に対する雑音増強効果の系統的解析を通じて,VSRモデル行動に対する批判的洞察を提供する。
論文 参考訳（メタデータ） (2025-06-24T17:57:26Z) - Supercharged One-step Text-to-Image Diffusion Models with Negative Prompts [19.609393551644562]
負のプロンプトを1段階拡散モデルに統合する効率的な方法である textbfNegative-textbfAway textbfSteer textbfAttention (NASA) を導入する。
NASAは、望ましくない視覚特性を抑えるためにクロスアテンション機構を活用することで、中間表現空間内で運用している。
論文 参考訳（メタデータ） (2024-12-03T18:56:32Z)
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。