論文の概要: Coloring the Noise: Adversarial Sobolev Alignment for Faithful Image Super Resolution

• arxiv url: http://arxiv.org/abs/2605.23264v1
• Date: Fri, 22 May 2026 06:06:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.22032
• Title: Coloring the Noise: Adversarial Sobolev Alignment for Faithful Image Super Resolution
• Title（参考訳）: ノイズの色付け:高解像度画像のための対向ソボレフアライメント
• Authors: Hongbo Wang, Huaibo Huang, Pin Wang, Jinhua Hao, Chao Zhou, Ran He,
• Abstract要約: Image Super-Resolutionの創発的な先駆者は、しばしば忠実な修復を妥協する。 生成フローをソボレフ型幾何学に再キャストするフレームワークであるASASRを提案する。 ASASRは、スペクトルの一貫性と構造的忠実性を維持する上で、先進的な生成ベースラインよりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 43.65326076389854
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative priors in Image Super-Resolution (SR) often compromise faithful restoration, we attribute this limitation to a fundamental spectral misalignment between isotropic objectives and the intrinsic natural image manifold. While Direct Preference Optimization offers a path to alignment, its reliance on spectrally flat Gaussian noise fails to distinguish authentic high-frequency details from hallucinations. To bridge this geometric gap, we propose ASASR, a theoretically grounded framework that recasts the generative flow into a Sobolev-induced Riemannian geometry by explicitly coloring the noise transition kernel to mirror natural spectral decay. Driving this geometric alignment, we integrate a parametric adversary grounded in the Riesz Representation Theorem, which synthesizes targeted negative samples equivalent to worst-case Sobolev gradients to direct optimization along the tangent space of plausible structural failures. Extensive evaluations demonstrate that ASASR outperforms leading generative baselines, particularly in preserving spectral consistency and structural fidelity, offering a robust solution that effectively mitigates artifacts.
• Abstract（参考訳）: Image Super-Resolution (SR) の創発的先行は、しばしば忠実な復元を損なうが、この制限は、等方的目的と本質的な自然像多様体の基本的なスペクトルのずれによるものである。 直接選好最適化はアライメントへの道を提供するが、スペクトル的に平坦なガウス雑音への依存は幻覚と真に高周波な詳細を区別することができない。 この幾何学的ギャップを埋めるために、我々は、ソボレフによって誘導されるリーマン幾何学に生成フローを再キャストする理論的な基礎的枠組みであるASASRを提案する。 この幾何的アライメントを実行すると、Riesz Representation Theorem に根ざしたパラメトリック逆数(parametric adversary)が統合され、最悪のソボレフ勾配に相当するターゲットの負のサンプルを合成し、プラプティブルな構造的失敗の接空間に沿って直接最適化する。 広範囲な評価により、ASASRは、特にスペクトルの一貫性と構造的忠実性を保ち、アーティファクトを効果的に緩和する堅牢なソリューションを提供することにおいて、主要な生成基線よりも優れていることが示されている。

関連論文リスト

• AnyBand-Diff: A Unified Remote Sensing Image Generation and Band Repair Framework with Spectral Priors [10.352581041881864]
  本稿では,頑健なスペクトル再構成に適したスペクトル優先拡散フレームワークであるAnyBand-Diffを紹介する。 ラジオメトリックの忠実性を確保するため,物理誘導サンプリング機構を提案する。 実験は、AnyBand-Diffが信頼できる画像を生成するための有効性を確認する。
  論文  参考訳（メタデータ） (2026-05-14T04:04:34Z)
• HIR-ALIGN: Enhancing Hyperspectral Image Restoration via Diffusion-Based Data Generation [50.46910397782266]
  ハイパスペクトル画像(HSI)の復元は、ノイズ、ぼかし、分解能損失などの劣化に悩まされるため、信頼性の高い解析に不可欠である。 本稿では,HIR-ALIGNを提案する。HIR-ALIGNは,限られたトレーニング画像と,ターゲット分布と密に一致した合成データとを付加して,ハイパースペクトル画像の復元を促進するための,プラグアンドプレイのターゲット適応型拡張フレームワークである。
  論文  参考訳（メタデータ） (2026-05-13T14:14:13Z)
• Better with Less: Tackling Heterogeneous Multi-Modal Image Joint Pretraining via Conditioned and Degraded Masked Autoencoder [34.73963627819185]
  高分解能光合成開口レーダ(SAR)プレトレーニングは、単一ソース表現を相互に強化するために、モダリティの相乗効果を求める。 我々は、アライメントの少ないテキスト・ベッター・シナジーの先駆者であるCoDe-MAEを提案する。 CoDe-MAEは、表現の劣化を防ぎ、多様な単一および双方向の下流タスクにまたがる新しい最先端のパフォーマンスを確立する。
  論文  参考訳（メタデータ） (2026-04-18T10:23:00Z)
• DOC-GS: Dual-Domain Observation and Calibration for Reliable Sparse-View Gaussian Splatting [80.43237927269575]
  本稿では,新しい視点からスパースビュー3DGSの再構築について再考する。 我々は、ガウスの原始的信頼性の観測不能性として、コアチャレンジを識別する。 この観測を動機として、レンダリング画像フレームワークにおける統合されたデュアルドメイン観測と幾何学的手法を提案する。
  論文  参考訳（メタデータ） (2026-04-08T07:01:24Z)
• Robust Graph Representation Learning via Adaptive Spectral Contrast [0.9558392439655014]
  高周波信号はヘテロフィリーの符号化には不可欠であるが、スペクトル集中摂動下では大きなばらつきを示す。 信頼性を考慮したスペクトルゲーティング機構により,このジレンマを解消するフレームワークであるASPECTを提案する。 ASPECTは9つのベンチマークのうち8つで新しい最先端のパフォーマンスを実現し、有意義な構造的ヘテロフィリを偶発的なノイズから効果的に分離する。
  論文  参考訳（メタデータ） (2026-04-02T10:38:00Z)
• Spectral Collapse in Diffusion Inversion [44.781674986581244]
  条件拡散反転は、ソースドメインがターゲットドメインに比べてスペクトル的にスパースであるときに失敗する。 理論的ガウス雑音等級を強制するためにODEダイナミクスを補正する推定時間法であるオルソゴン可変誘導法(OVG)を提案する。 OVGは構造的忠実性を維持しながら、光現実的なテクスチャを効果的に復元する。
  論文  参考訳（メタデータ） (2026-02-09T17:53:21Z)
• MirrorLA: Reflecting Feature Map for Vision Linear Attention [49.41670925034762]
  リニアアテンションはトランスフォーマーの2次から線形への計算複雑性を著しく低下させるが、パフォーマンスにおけるソフトマックスに基づくアテンションの遅れは一貫して遅れる。 我々は、受動トランケーションをアクティブなリオリエンテーションに置き換える幾何学的枠組みであるMirrorLAを提案する。 MirrorLAは標準的なベンチマークで最先端のパフォーマンスを実現し、表現の忠実さを損なうことなく厳密な線形効率を実現できることを示した。
  論文  参考訳（メタデータ） (2026-02-04T09:14:09Z)
• SR$^{2}$-Net: A General Plug-and-Play Model for Spectral Refinement in Hyperspectral Image Super-Resolution [3.4888894498274747]
  HSI-SRは、スペクトル的に忠実で物理的に妥当な特性を維持しながら、空間分解能を高めることを目的としている。 これらの方法はしばしばバンド間のスペクトルの一貫性を無視し、刺激的な振動と物理的に不可解な人工物をもたらす。 本稿では,この問題に対処するための軽量なプラグ・アンド・プレイ方式であるSpectral Rectification Super-Resolution Network (SR$2$-Net)を提案する。
  論文  参考訳（メタデータ） (2026-01-29T07:00:00Z)
• Last-Iterate Convergence of Adaptive Riemannian Gradient Descent for Equilibrium Computation [52.73824786627612]
  本稿では,テクスト幾何学的強単調ゲームに対する新たな収束結果を確立する。 我々のキーとなる結果は、RGDがテクスト幾何学的手法で最終定位線形収束を実現することを示しています。 全体として、ユークリッド設定を超えるゲームに対して、幾何学的に非依存な最終点収束解析を初めて提示する。
  論文  参考訳（メタデータ） (2023-06-29T01:20:44Z)
• Non-local Meets Global: An Iterative Paradigm for Hyperspectral Image Restoration [66.68541690283068]
  ハイパースペクトル画像復元のための空間特性とスペクトル特性を組み合わせた統一パラダイムを提案する。 提案するパラダイムは,非局所空間デノゲーションと光計算の複雑さから,性能上の優位性を享受する。 HSI復調、圧縮再構成、塗装タスクの実験は、シミュレーションと実際のデータセットの両方で、その優位性を示している。
  論文  参考訳（メタデータ） (2020-10-24T15:53:56Z)

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。