論文の概要: PRISM: Prior Rectification and Uncertainty-Aware Structure Modeling for Diffusion-Based Text Image Super-Resolution

• arxiv url: http://arxiv.org/abs/2605.13027v1
• Date: Wed, 13 May 2026 05:31:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:27.827513
• Title: PRISM: Prior Rectification and Uncertainty-Aware Structure Modeling for Diffusion-Based Text Image Super-Resolution
• Title（参考訳）: PRISM:拡散型テキスト画像超解のための事前整形と不確かさを考慮した構造モデリング
• Authors: Zihang Xu, Xiaoyang Liu, Zheng Chen, Yulun Zhang, Xiaokang Yang,
• Abstract要約: PRISMは単一ステップ拡散ベースのText-SRフレームワークである。 PRISMはミリ秒レベルの推論で最先端の性能を達成する。
• 参考スコア（独自算出の注目度）: 51.96078493242164
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text image super-resolution (Text-SR) requires more than visually plausible detail synthesis: slight errors in stroke topology may alter character identity and break readability. Existing methods improve text fidelity with stronger recognition-based or generative priors, yet they still face two unresolved challenges under severe degradation: the text condition extracted from low-quality inputs can itself be unreliable, and a plausible global prior does not fully determine fine-grained stroke boundaries. We present PRISM, a single-step diffusion-based Text-SR framework that addresses these two challenges through Flow-Matching Prior Rectification (FMPR) and a Structure-guided Uncertainty-aware Residual Encoder (SURE). FMPR constructs a privileged training-time prior from paired low-quality/high-quality latents and learns a flow matching that transports degraded embeddings toward this restoration-oriented prior space, yielding more accurate and reliable global text guidance. SURE further predicts uncertainty-aware structural residuals to selectively absorb reliable local boundary evidence while suppressing ambiguous stroke cues. Together, these components enable explicit global prior rectification and local structure refinement within a single diffusion restoration pass. Experiments on both synthetic and real-world benchmarks show that PRISM achieves state-of-the-art performance with millisecond-level inference. Our dataset and code will be available at https://github.com/faithxuz/PRISM.
• Abstract（参考訳）: テキスト画像の超解像(Text-SR)は、視覚的に妥当な詳細合成以上のものを必要としている。 既存の手法では、より強力な認識ベースや生成前のテキストの忠実さが向上するが、低品質な入力から抽出されたテキスト条件自体が信頼性を損なう可能性があり、大域的な先行は、きめ細かなストローク境界を完全に決定できないという、深刻な劣化の下で2つの未解決の課題に直面している。 本稿では,この2つの課題に対処する単一ステップ拡散ベースのテキスト-SRフレームワークであるPRISMと,構造誘導型不確実性認識型Residual Encoder(SURE)を提案する。 FMPRは、ペア化された低品質/高品質の潜水器より前の特権訓練時間を構築し、劣化した埋め込みをこの修復指向の事前空間へ輸送するフローマッチングを学び、より正確で信頼性の高いグローバルテキストガイダンスを得る。 SUREはさらに、不確実性を考慮した構造的残留を予測し、不明瞭な脳卒中を抑えながら、信頼できる局所境界証拠を選択的に吸収する。 これらのコンポーネントは、単一の拡散復元パス内で、明示的なグローバルな事前修正と局所的な構造改善を可能にする。 合成および実世界のベンチマーク実験により、PRISMはミリ秒レベルの推論で最先端のパフォーマンスを達成することが示された。 データセットとコードはhttps://github.com/faithxuz/PRISM.comで公開されます。

関連論文リスト

• Make It Up: Fake Images, Real Gains in Generalized Few-shot Semantic Segmentation [49.73871999518061]
  一般小ショットセマンティックセマンティックセグメンテーション(GFSS)は、アノテーションの不足による新規クラスの出現のカバレッジによって、基本的に制限されている。 提案するSyn4Segは,新しいクラスの範囲を広げつつ,擬似ラベル品質を改善したGFSSフレームワークである。
  論文  参考訳（メタデータ） (2026-03-28T09:22:50Z)
• FUMO: Prior-Modulated Diffusion for Single Image Reflection Removal [51.98991734660274]
  本稿では、空間制御性と構造忠実性を改善するために、明示的な誘導信号を導入した事前変調フレームワーク(FUMO)を用いた拡散モデルを提案する。 標準ベンチマークと野生での挑戦的な画像の両方で実施された実験は、競争力のある定量的結果を示し、知覚品質を継続的に改善した。
  論文  参考訳（メタデータ） (2026-03-19T15:33:11Z)
• DualTSR: Unified Dual-Diffusion Transformer for Scene Text Image Super-Resolution [52.962204748003394]
  Scene Text Image Super-Resolutionは、低解像度のテキスト画像における高解像度の詳細を復元することを目的としている。 しかし、既存の手法は、しばしば外部光学文字認識(OCR)モデルに依存している。 両問題に対処する統合エンドツーエンドフレームワークであるDualTSRを紹介する。
  論文  参考訳（メタデータ） (2026-03-15T03:50:47Z)
• Disentangled Textual Priors for Diffusion-based Image Super-Resolution [41.71306518338786]
  Image Super-Resolutionは、劣化した低解像度入力から高解像度画像を再構成することを目的としている。 既存のアプローチは、グローバルなレイアウトとローカルな詳細を混ぜ合わせた、絡み合った、あるいは粗い粒度の前のものに依存することが多い。 DTPSRは,2つの相補的な次元に絡み合ったテキストの先行処理を導入する新しい拡散型SRフレームワークである。
  論文  参考訳（メタデータ） (2026-03-08T03:02:55Z)
• Bridging Fidelity-Reality with Controllable One-Step Diffusion for Image Super-Resolution [59.71803719801537]
  CODSRは、画像超解像のための制御可能なワンステップ拡散ネットワークである。 拡散過程に高忠実度条件を与えるLQ誘導型特徴変調モジュールを提案する。 そこで我々は,知覚の豊かさを効果的に向上させるために,領域適応型事前活性化法を開発した。
  論文  参考訳（メタデータ） (2025-12-16T03:56:02Z)
• SRSR: Enhancing Semantic Accuracy in Real-World Image Super-Resolution with Spatially Re-Focused Text-Conditioning [59.013863248600046]
  本稿では,空間的に再焦点を絞ったテキストコンディショニングを推論時に洗練する超解像フレームワークを提案する。 第二に,非接地画素に対するテキストの影響を選択的に回避し,幻覚を防ぐ空間的自由誘導機構を導入する。
  論文  参考訳（メタデータ） (2025-10-26T05:03:55Z)
• Quality-Aware Language-Conditioned Local Auto-Regressive Anomaly Synthesis and Detection [30.77558600436759]
  ARAS(ARAS)は、言語条件付き自動回帰異常合成手法である。 トークンアンコールによる遅延編集によって、ローカルでテキスト指定の欠陥を通常の画像に注入する。 欠陥リアリズムを著しく強化し、きめ細かい材料テクスチャを保存し、合成された異常に対して連続的な意味制御を提供する。
  論文  参考訳（メタデータ） (2025-08-05T15:07:32Z)
• Improving Scene Text Image Super-resolution via Dual Prior Modulation Network [20.687100711699788]
  Scene Text Image Super- resolution (STISR) はテキスト画像の解像度と可視性を同時に向上することを目的としている。 既存のアプローチは、シーンテキストのセマンティックな決定性の境界であるテキストのグローバルな構造を無視している。 我々の研究はDPMN(Dual Prior Modulation Network)と呼ばれるプラグイン・アンド・プレイ・モジュールを提案する。
  論文  参考訳（メタデータ） (2023-02-21T02:59:37Z)

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。