論文の概要: A Scale-Adaptive Framework for Joint Spatiotemporal Super-Resolution with Diffusion Models

• arxiv url: http://arxiv.org/abs/2604.21903v1
• Date: Thu, 23 Apr 2026 17:49:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.80437
• Title: A Scale-Adaptive Framework for Joint Spatiotemporal Super-Resolution with Diffusion Models
• Title（参考訳）: 拡散モデルを用いた時空間超解法のスケール適応フレームワーク
• Authors: Max Defez, Filippo Quarenghi, Mathieu Vrac, Stephan Mandt, Tom Beucler,
• Abstract要約: 本稿では,決定論的予測条件平均,注意条件,残条件拡散モデルに分解することで,同じアーキテクチャを因子間で再利用するスケール適応型フレームワークを提案する。 同じアーキテクチャは、空間1の25から6までの超解像率にまたがっており、再利用可能なアーキテクチャと、スケールをまたいだ共同時間超解像のチューニングのレシピをもたらす。
• 参考スコア（独自算出の注目度）: 15.647247740367265
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep-learning video super-resolution has progressed rapidly, but climate applications typically super-resolve (increase resolution) either space or time, and joint spatiotemporal models are often designed for a single pair of super-resolution (SR) factors (upscaling spatial and temporal ratio between the low-resolution sequence and the high-resolution sequence), limiting transfer across spatial resolutions and temporal cadences (frame rates). We present a scale-adaptive framework that reuses the same architecture across factors by decomposing spatiotemporal SR into a deterministic prediction of the conditional mean, with attention, and a residual conditional diffusion model, with an optional mass-conservation (same precipitation amount in inputs and outputs) transform to preserve aggregated totals. Assuming that larger SR factors primarily increase underdetermination (hence required context and residual uncertainty) rather than changing the conditional-mean structure, scale adaptivity is achieved by retuning three factor-dependent hyperparameters before retraining: the diffusion noise schedule amplitude beta (larger for larger factors to increase diversity), the temporal context length L (set to maintain comparable attention horizons across cadences) and optionally a third, the mass-conservation function f (tapered to limit the amplification of extremes for large factors). Demonstrated on reanalysis precipitation over France (Comephore), the same architecture spans super-resolution factors from 1 to 25 in space and 1 to 6 in time, yielding a reusable architecture and tuning recipe for joint spatiotemporal super-resolution across scales.
• Abstract（参考訳）: 深層学習ビデオの超解像は急速に進展しているが、気候の応用は通常、空間的あるいは時間的に超解像(高分解能)が増加し、連日時空間モデルは、一対の超解像(SR)因子(低分解能シーケンスと高分解能シーケンスの間の空間的および時間的比の増大)、空間的分解能と時間的ケイデンス(フレームレート)の移動を制限するために設計されることが多い。 本研究では,時空間SRを条件平均の決定論的予測に分解し,パラメータ間で同じアーキテクチャを再利用するスケール適応型フレームワークを提案する。 大きなSR因子が条件-平均構造を変えるのではなく、主に過小評価(従ってコンテキストと不確実性)を増大させると仮定すると、スケール適応性は3つの因子依存ハイパーパラメータを再調整することで達成される:拡散ノイズスケジュール振幅ベータ(多様性を増大させる大きな因子)、時間的コンテキスト長さL(ケイデンス間に匹敵する注意線を維持)、オプションで質量保存関数f(大きな因子の極端な増幅を制限するために使用される)。 フランス (Comephore) における再分析の降水量について説明すると、同じアーキテクチャは空間1から25までの超分解能因子と時間1から6までの超分解能因子にまたがり、再利用可能なアーキテクチャと、スケールをまたいだ同時時空間超分解能のチューニングレシピを提供する。

関連論文リスト

• GS-STVSR: Ultra-Efficient Continuous Spatio-Temporal Video Super-Resolution via 2D Gaussian Splatting [71.12303582606019]
  Continuous Video Super-Resolution (C-STVSR) は、任意のスケールファクタによる動画の空間的・フレーム的レートの同時向上を目的としている。 2次元ガウシアンティング(2D-GS)に基づく超効率的なC-STVSRフレームワークであるGS-STVSRを提案する。 GS-STVSRは,すべてのベンチマークにおいて最先端の品質を実現していることを示す。
  論文  参考訳（メタデータ） (2026-04-20T10:11:05Z)
• FoSS: Modeling Long Range Dependencies and Multimodal Uncertainty in Trajectory Prediction via Fourier State Space Integration [21.39395366378851]
  本稿では,周波数領域推論と線形時間列モデリングを融合した二分岐フレームワークFoSSを提案する。 Argoverse 1とArgoverse 2ベンチマークの実験では、FoSSが最先端の精度を実現し、22.5%、パラメータが40%以上削減された。
  論文  参考訳（メタデータ） (2026-03-01T21:38:59Z)
• CASR: A Robust Cyclic Framework for Arbitrary Large-Scale Super-Resolution with Distribution Alignment and Self-Similarity Awareness [14.01813573738112]
  CASRは単純だが高効率な環状SRフレームワークであり、超磁化を非分布スケール遷移の列として再構成する。 この設計は、任意のスケールで安定な推論を保証し、単一のモデルしか必要としない。 単一モデルのみを用いながら, 分布のドリフトを著しく低減し, 長距離テクスチャの整合性を保ち, 極端倍率でも優れた一般化を実現する。
  論文  参考訳（メタデータ） (2026-02-25T18:05:51Z)
• CASCADE: Cross-scale Advective Super-resolution with Climate Assimilation and Downscaling Evolution [51.56484100374058]
  CASCADEは、学習された流況変動場に沿って粗い情報を反復的に検出することで微細構造を再構築する。 SEVIRレーダデータを用いて、激しい対流嵐の4倍の超解像について評価した。 大気や海洋の用途において、対流に支配される極端に適した、時間的に一貫した、物理的に一貫した、そして大量保存された復元を生成する。
  論文  参考訳（メタデータ） (2026-02-18T14:41:54Z)
• Forecasting as Rendering: A 2D Gaussian Splatting Framework for Time Series Forecasting [79.37674445572462]
  時系列予測(TSF)は、周期内変動と周期間トレンドの複雑な絡み合いのため、依然として困難な問題である。 形状変化テンソルを静止画像として扱うと、トポロジカルミスマッチが発生する。 均一な固定サイズの表現に依存することは、モデリング能力を非効率に割り当てる。 TimeGSは、予測パラダイムをレグレッションから2D生成レンダリングに根本的にシフトする、新しいフレームワークである。
  論文  参考訳（メタデータ） (2026-02-10T14:13:36Z)
• A Decomposition-based State Space Model for Multivariate Time-Series Forecasting [0.0]
  本稿では,3つの並列状態空間モデル分岐を用いたエンドツーエンド分解フレームワークを提案する。 標準ベンチマーク全体では、DecompSSMは強力なベースラインを上回り、コンポーネントワイドな状態空間モデルとグローバルなコンテキスト改善の組み合わせの有効性を示した。
  論文  参考訳（メタデータ） (2026-02-05T07:17:08Z)
• Local-Global Temporal Difference Learning for Satellite Video Super-Resolution [53.03380679343968]
  本稿では,時間的差分を効果的かつ効果的な時間的補償に利用することを提案する。 フレーム内における局所的・大域的時間的情報を完全に活用するために,短期・長期的時間的相違を体系的にモデル化した。 5つの主流ビデオ衛星に対して行われた厳密な客観的および主観的評価は、我々の手法が最先端のアプローチに対して好適に機能することを実証している。
  論文  参考訳（メタデータ） (2023-04-10T07:04:40Z)
• Look Back and Forth: Video Super-Resolution with Explicit Temporal Difference Modeling [105.69197687940505]
  本稿では,LR空間とHR空間における時間差の明示的モデル化の役割について検討する。 超解像結果をさらに高めるために、空間残留特徴を抽出するだけでなく、高周波領域における連続フレーム間の差も計算する。
  論文  参考訳（メタデータ） (2022-04-14T17:07:33Z)

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。