論文の概要: 4KLSDB: A Large-Scale Dataset for 4K Image Restoration and Generation

• arxiv url: http://arxiv.org/abs/2605.24762v1
• Date: Sat, 23 May 2026 22:49:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:18.371179
• Title: 4KLSDB: A Large-Scale Dataset for 4K Image Restoration and Generation
• Title（参考訳）: 4KLSDB: 4K画像復元と生成のための大規模データセット
• Authors: Zihao Zhu, Kuan-Ru Huang, Zhaoming Xu, Renjie Li, Bo Wu, Ruizheng Bai, Mingyang Wu, Sayak Paul, Zhengzhong Tu,
• Abstract要約: 現在の公開データセットには、ネイティブ4K解像度と、最先端モデルのトレーニングに必要な広範なスケールの両方が欠落している。 複数のカテゴリにまたがる129,484個の慎重にキュレートされた4K解像度画像からなる4K大規模データセットとベンチマーク(4KLSDB)を導入する。 我々は4KLSDBの有効性を代表的超解像および拡散モデルのトレーニングにより実証し、ネイティブな4Kベンチマークの大幅な改善を観察した。
• 参考スコア（独自算出の注目度）: 23.288582652884642
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High-resolution datasets are essential for advancing super-resolution (SR) and text-to-image (T2I) diffusion research. However, current publicly available datasets lack both the native 4K resolution and the extensive scale necessary for training state-of-the-art models. To address this gap, we introduce a 4K Large Scale Dataset and Benchmark (4KLSDB), a large-scale, diverse dataset consisting of 129,484 carefully curated 4K resolution images spanning multiple categories such as nature, urban scenes, people, food, artwork, and CGI, alongside distinct validation and test sets containing 2,000 and 1,984 images respectively. Images were sourced from established open datasets including Photo Concept Bucket, Laion2B, and PD12M. 4KLSDB underwent rigorous multi-stage automated filtering and annotation pipelines involving both human annotators and Large Multimodal Models (LMMs) to ensure high aesthetic quality and dataset consistency. We demonstrate 4KLSDB's effectiveness by training representative super-resolution and diffusion models, observing significant improvements in performance on native 4K benchmarks. Comprehensive experiments illustrate a positive correlation between training on true 4K resolution data and improved fidelity in image restoration task, especially on 4K resolution. We provide the research community a valuable resource to drive progress toward genuinely high-fidelity image synthesis and restoration by providing 4KLSDB. Our project page is available at: https://4klsdb.github.io/.
• Abstract（参考訳）: 高解像度データセットは、超解像(SR)とテキスト・トゥ・イメージ(T2I)拡散研究を進めるために不可欠である。 しかし、現在公開されているデータセットには、ネイティブな4K解像度と、最先端モデルのトレーニングに必要な広範なスケールの両方が欠けている。 このギャップに対処するために4K Large Scale Dataset and Benchmark (4KLSDB)という,自然,都市シーン,人々,食べ物,アートワーク,CGIといった複数のカテゴリにまたがる129,484個の慎重にキュレートされた4K解像度画像からなる大規模かつ多様なデータセットを紹介し,それぞれ2,000と1,984の画像を含む検証とテストセットを紹介する。 画像はPhoto Concept Bucket、Laion2B、PD12Mなど、確立されたオープンデータセットから得られた。 4KLSDBは、人間のアノテータとLMM(Large Multimodal Models)の両方を含む厳格なマルチステージ自動フィルタリングとアノテーションパイプラインを実行し、高い美的品質とデータセットの一貫性を確保した。 4KLSDBの有効性を,代表的超解像および拡散モデルのトレーニングにより実証し,ネイティブな4Kベンチマークの性能を著しく改善した。 総合的な実験では、真の4K解像度データに対するトレーニングと、特に4K解像度における画像復元作業における忠実度の改善との間に正の相関が示されている。 我々は、4KLSDBを提供することで、真に高忠実な画像合成と復元に向けた進歩を促進する貴重な資源を研究コミュニティに提供する。 私たちのプロジェクトページは、https://4klsdb.github.io/.com/で公開されています。

関連論文リスト

• VINS-120K: Ultra High-Resolution Image Editing with A Large-Scale Dataset [35.077683100413076]
  我々は、命令ベースのUHR画像編集のための最初の大規模データセットであるVINS-120Kを紹介する。 我々は、事前訓練された非高分解能モデルをUHR体制に拡張するための高周波認識後適応戦略を開発する。 実験により,UHR画像編集における微細なディテール合成とテクスチャリアリズムの改善が確認された。
  論文  参考訳（メタデータ） (2026-05-22T11:33:43Z)
• UltraFlux: Data-Model Co-Design for High-quality Native 4K Text-to-Image Generation across Diverse Aspect Ratios [11.829523789114377]
  我々は、MultiAspect-4K-1Mで4Kで訓練されたFluxベースのDiTであるUltraFluxを紹介する。 モデル側では、UltraFluxは4Kでのトレーニングウインドウ、周波数、AR対応の位置符号化のためにResonance 2D RoPEとYaRNを結合する。 4096年のAesthetic-EvalベンチマークとマルチAR 4K設定では、UltraFluxはフィデリティ、美学、アライメントのメトリクスで、強力なオープンソースベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2025-11-22T13:07:21Z)
• 4KAgent: Agentic Any Image to 4K Super-Resolution [62.99433518118836]
  我々は、任意の画像を4K解像度にスケールアップするために設計された超高解像度のジェネラリストシステムである4KAgentを提示する。 4KAgentは,(1)ベズークのユースケースに基づいて4KAgentパイプラインをカスタマイズするモジュールであるプロファイリング,(2)画像品質評価の専門家とともに視覚言語モデルを活用して入力画像を分析し,調整された復元計画を作成するパーセプションエージェント,(3)各ステップの最適出力を選択するための品質駆動混合ポリシーに従って計画を実行するリカバリエージェント,の3つのコアコンポーネントから構成される。 われわれは4kagentを厳格に評価する
  論文  参考訳（メタデータ） (2025-07-09T17:59:19Z)
• Diffusion-4K: Ultra-High-Resolution Image Synthesis with Latent Diffusion Models [21.46605047406198]
  Diffusion-4Kはテキストと画像の拡散モデルを用いた直接超高解像度画像合成のための新しいフレームワークである。 超高解像度画像生成のための総合ベンチマークであるAesthetic-4Kを構築した。 様々な潜伏拡散モデルに適用可能な4K画像を用いた直接訓練のためのウェーブレットに基づく微調整手法を提案する。
  論文  参考訳（メタデータ） (2025-03-24T05:25:07Z)
• InternLM-XComposer2-4KHD: A Pioneering Large Vision-Language Model Handling Resolutions from 336 Pixels to 4K HD [129.9919468062788]
  InternLM-XComposer2-4KHDは、4K HD (3840 x 1600)以上のLVLMの解像度を向上するための画期的な研究である。 本研究は、自動パッチ設定による動的解像度という、新しい拡張を導入することにより、パッチ分割パラダイムを進化させる。 我々の研究は、トレーニングの解像度を4K HDまで拡張することで、潜在的な改善の天井にぶつかることなく、一貫したパフォーマンス向上につながることを実証している。
  論文  参考訳（メタデータ） (2024-04-09T17:59:32Z)
• 4K4D: Real-Time 4D View Synthesis at 4K Resolution [86.6582179227016]
  本稿では、4K解像度で動的3Dシーンを高忠実かつリアルタイムに見ることを目的とする。 ハードウェア化をサポートし,前例のないレンダリング速度を実現する4Dポイントクラウド表現を提案する。 私たちの表現は、1080p解像度のDNAレンダリングデータセットで400 FPS、4090 GPUで4K解像度のENeRF-Outdoorデータセットで80 FPSでレンダリングできます。
  論文  参考訳（メタデータ） (2023-10-17T17:57:38Z)
• 4K-HAZE: A Dehazing Benchmark with 4K Resolution Hazy and Haze-Free Images [12.402054374952485]
  まず、シーンの深さを推定し、光線とオブジェクトの反射率をシミュレートし、GANを用いて合成画像を実際の領域に移行する。 これらの合成画像を4K-HAZEデータセットと呼ばれるベンチマークにラップする。 このアプローチの最も魅力的な側面は、24G RAMをリアルタイムで(33fps)1つのGPU上で4Kイメージを実行する機能です。
  論文  参考訳（メタデータ） (2023-03-28T09:39:29Z)
• Towards Efficient and Scale-Robust Ultra-High-Definition Image Demoireing [71.62289021118983]
  本研究では、4Kモアレ画像に対処する効率的なベースラインモデルESDNetを提案する。 我々の手法は、より軽量でありながら、最先端の手法よりも大きなマージンで優れています。
  論文  参考訳（メタデータ） (2022-07-20T14:20:52Z)

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。