論文の概要: SRGAN-CKAN: Expressive Super-Resolution with Nonlinear Functional Operators under Minimal Resources

• arxiv url: http://arxiv.org/abs/2605.01459v1
• Date: Sat, 02 May 2026 14:19:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:49.784409
• Title: SRGAN-CKAN: Expressive Super-Resolution with Nonlinear Functional Operators under Minimal Resources
• Title（参考訳）: SRGAN-CKAN:極小資源下における非線形機能演算子を用いた超解法
• Authors: Roberto Isai Navaro-Aviña, Eduardo Said Merin-Martinez, Andres Mendez-Vazquez, Eduardo Rodriguez-Tello,
• Abstract要約: SISR(Single-Image Super-Resolution)は、低分解能(LR)観測から高分解能(HR)画像を再構成することを目的としている。 近年の進歩は、トランスフォーマーベースのアーキテクチャと拡散モデルによって推進されている。 本稿では,コンボリュータル・コルモゴロフ・アルノルドネットワーク(CKAN)を逆学習環境に統合したハイブリッド超解像フレームワークSRGAN-CKANを提案する。
• 参考スコア（独自算出の注目度）: 2.036341257251742
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Single-Image Super-Resolution (SISR) aims to reconstruct a High-Resolution (HR) image from a Low-Resolution (LR) observation, a fundamentally ill-posed problem where high-frequency details are severely degraded at large upscaling factors. Recent advances have been driven by transformer-based architectures and diffusion models improve global context modeling and perceptual quality at the cost of increased computational complexity. In contrast, this work focuses on enhancing the expressivity of local operators under minimal resources. We propose SRGAN--CKAN, a hybrid super-resolution framework that integrates Convolutional Kolmogorov--Arnold Networks (CKAN) into an adversarial learning setting reformulating convolution as a nonlinear patch-based transformation. The proposed operator replaces linear local mappings with spline-based functional representations, allowing expressive modeling of complex local structures and high-frequency textures using minimal hardware resources. Experimental results demonstrate that the proposed approach improves perceptual quality while preserving reconstruction fidelity, achieving a favorable balance between distortion-based and perceptual metrics. These results are obtained under constrained computational settings, highlighting the efficiency of the proposed formulation. Overall, this work introduces a complementary direction to existing approaches by improving the representational power of local transformations, providing an efficient and scalable alternative to globally intensive architectures.
• Abstract（参考訳）: SISR(Single-Image Super-Resolution)は、低分解能(LR)観測から高分解能(HR)画像を再構成することを目的としている。 近年の進歩は、トランスフォーマーベースのアーキテクチャと拡散モデルにより、計算複雑性を増大させるコストで、グローバルコンテキストモデリングと知覚品質を改善している。 これとは対照的に、この研究は最小資源下での局所作用素の表現性の向上に焦点を当てている。 本稿では,コンボリューショナル・コルモゴロフ・アルノルド・ネットワーク(CKAN)を非線型パッチベース変換として再構成した逆学習に組み込むハイブリッド超解像フレームワークSRGAN-CKANを提案する。 提案した演算子は、線形局所写像をスプラインに基づく関数表現に置き換え、最小限のハードウェア資源を用いた複雑な局所構造と高周波テクスチャの表現的モデリングを可能にする。 実験結果から,提案手法は再現精度を保ちながら知覚品質を向上し,歪みベースと知覚指標のバランスが良好であることが確認された。 これらの結果は、制約された計算条件下で得られ、提案した定式化の効率性を強調している。 全体として、この研究は、局所的な変換の表現力を改善し、グローバルな集中型アーキテクチャに代わる効率的でスケーラブルな代替手段を提供することによって、既存のアプローチに補完的な方向性をもたらす。

関連論文リスト

• Mixture of Ranks with Degradation-Aware Routing for One-Step Real-World Image Super-Resolution [76.66229730098759]
  実世界の画像超解像(Real-ISR)では、既存のアプローチは主に微調整された事前学習拡散モデルに依存している。 単一ステップ画像超解像のためのMixture-of-Ranks (MoR)アーキテクチャを提案する。 LoRAの各ランクを独立した専門家として扱う、きめ細かい専門家分割戦略を導入する。
  論文  参考訳（メタデータ） (2025-11-20T04:11:44Z)
• Interlaced dynamic XCT reconstruction with spatio-temporal implicit neural representations [0.0]
  Inmplicit Neural Representations を用いた動的X線CT(Dynamic X-ray Computed Tomography)再構成の検討を行った。 提案手法は,ADMMに基づく最適化と,事前知識を組み込んだ条件付けフレームワークINCODEを組み合わせることで,効率的な収束を実現する。 全ての設定において、我々のモデルは強力なパフォーマンスのロバスト性を実現し、最先端のモデルベース反復法であるTIMBIR(Time-Inter Model-Based Iter Reconstruction)より優れている。
  論文  参考訳（メタデータ） (2025-10-09T01:33:58Z)
• Rotation Equivariant Arbitrary-scale Image Super-Resolution [62.41329042683779]
  任意のスケールの超解像(ASISR)は、低解像度の入力画像から任意のスケールの高分解能回復を実現することを目的としている。 本研究では, 回転同変ASISR法の構築に尽力する。
  論文  参考訳（メタデータ） (2025-08-07T08:51:03Z)
• InvFussion: Bridging Supervised and Zero-shot Diffusion for Inverse Problems [76.39776789410088]
  この研究は、教師付きアプローチの強いパフォーマンスとゼロショットメソッドの柔軟性を組み合わせたフレームワークを導入している。 新規なアーキテクチャ設計では、分解演算子を直接デノイザにシームレスに統合する。 FFHQとImageNetデータセットの実験結果は、最先端の後方サンプリング性能を示している。
  論文  参考訳（メタデータ） (2025-04-02T12:40:57Z)
• A super-resolution reconstruction method for lightweight building images based on an expanding feature modulation network [3.434624857389692]
  本研究では,Dilated Contextual Feature Modulation Network (DCFMN) を用いた画像超解像の軽量化手法を提案する。 DCFMNは、拡張分離可能な変調ユニットと局所特徴拡張モジュールを統合する。 このアプローチは、長距離依存関係のモデリングにおいて、既存の軽量超解像ネットワークの制限を効果的に解決する。
  論文  参考訳（メタデータ） (2025-03-17T13:54:26Z)
• Efficient Real-world Image Super-Resolution Via Adaptive Directional Gradient Convolution [80.85121353651554]
  畳み込みカーネル内でのカーネル単位の微分演算を導入し、学習可能な方向勾配畳み込みを開発する。 これらの畳み込みは、新しい線形重み付け機構と平行に統合され、適応方向勾配畳み込み(DGConv)を形成する。 さらに,適応情報相互作用ブロック(AIIBlock)を設計し,テクスチャとコントラストの強化のバランスをとるとともに,相互依存性を慎重に検討し,単純な積み重ねによるリアルSRのためのDGPNetを作成する。
  論文  参考訳（メタデータ） (2024-05-11T14:21:40Z)
• Low-Res Leads the Way: Improving Generalization for Super-Resolution by Self-Supervised Learning [45.13580581290495]
  本研究は,SRモデルの現実の画像への適応性を高めるために,新しい"Low-Res Leads the Way"(LWay)トレーニングフレームワークを導入する。 提案手法では,低分解能(LR)再構成ネットワークを用いて,LR画像から劣化埋め込みを抽出し,LR再構成のための超解出力とマージする。 私たちのトレーニング体制は普遍的に互換性があり、ネットワークアーキテクチャの変更は不要です。
  論文  参考訳（メタデータ） (2024-03-05T02:29:18Z)
• Recursive Generalization Transformer for Image Super-Resolution [108.67898547357127]
  本稿では,大域空間情報を捕捉し,高分解能画像に適した画像SRのための再帰一般化変換器(RGT)を提案する。 我々は,RG-SAと局所的自己意識を組み合わせることで,グローバルな文脈の活用を促進する。 我々のRGTは最近の最先端の手法よりも定量的に質的に優れている。
  論文  参考訳（メタデータ） (2023-03-11T10:44:44Z)

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。