論文の概要: FoA-SR: Faithful or Aesthetic? Profile-Aware Preference Optimization for Real-World Image Super-Resolution

• arxiv url: http://arxiv.org/abs/2606.10275v1
• Date: Tue, 09 Jun 2026 00:44:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.234328
• Title: FoA-SR: Faithful or Aesthetic? Profile-Aware Preference Optimization for Real-World Image Super-Resolution
• Title（参考訳）: FoA-SR: 忠実か美的か? 実世界の超解像に対するプロファイル認識の選好最適化
• Authors: Amjad Mahdi Alqarni, Peizhong Ju,
• Abstract要約: 本稿では,プロファイルに基づく現実画像の超解像に対する新たな選好最適化手法であるFoA-SRを提案する。 この目的を達成するために、FoA-SRは、LR遅延条件、フローマッチング、画像空間再構成損失をトレーニングしたFLUX.2ベースのSRアダプタ(Flux2SR)から開始する。 RealSRとDIV2Kの実験では、FoA-SRは異なる修復目的に向けて同じSRアダプタを操れることが示されている。
• 参考スコア（独自算出の注目度）: 11.365750371241155
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real-world image super-resolution (SR) is often designed with a single restoration objective, despite the current capacity of generative models to produce multiple high-quality reconstructions for the same input. In this paper, we argue that the best restoration strategy is subject to the specific restoration profile: a Faithful restoration prioritizes reference consistency, structure preservation, and hallucination suppression, whereas an Aesthetic restoration prioritizes visually pleasing and natural-looking details. We propose FoA-SR, a novel preference optimization approach to real-world SR based on profiles. To achieve this goal, FoA-SR starts with our supervised FLUX.2-based SR adapter (Flux2SR) trained with LR latent conditioning, flow matching, and image-space reconstruction losses for paired LR-to-HR image super-resolution. Following the development of the shared supervised super-resolution adapter, FoA-SR generates a shared stochastic candidate pool for each input image and ranks the same candidates using profile-specific Faithful and Aesthetic rewards to mine winner-loser pairs. These pairs are used to fine-tune separate LoRA adapters while keeping the base model frozen. Experiments on RealSR and DIV2K show that FoA-SR can steer the same SR adapter towards distinct restoration objectives: a Faithful adapter improves reference-consistent metrics while an Aesthetic adapter boosts metrics that measure perceptual quality without reference. Our candidate-pool analysis shows that Faithful and Aesthetic rewards frequently select different winners, and a Hybrid-LoRA ablation shows that collapsing both profiles into one reward yields an implicit compromise rather than explicit profile control.
• Abstract（参考訳）: 実世界の画像超解像(SR)は、同じ入力に対して複数の高品質な再構成を生成する生成モデルの現在の能力にもかかわらず、単一の復元目的で設計されることが多い。 本論では, 最高の修復戦略は, 参照整合性, 構造保存, 幻覚抑制を優先するが, 美的修復は視覚的に快く, 自然に見える細部を優先する。 プロファイルに基づく実世界のSRに対する新たな優先最適化手法であるFoA-SRを提案する。 この目的を達成するために、FoA-SRは、LR遅延条件付け、フローマッチング、画像空間再構成を訓練したFLUX.2ベースのSRアダプタ(Flux2SR)から開始する。 共有教師付きスーパーレゾリューションアダプタの開発に続いて、FoA-SRは入力画像ごとに共用確率的候補プールを生成し、プロファイル固有のFhithfulとAesthetic rewardsを用いて同じ候補をランク付けする。 これらのペアは、ベースモデルの凍結を維持しながら、LoRAアダプタを微調整するために使用される。 RealSRとDIV2Kの実験は、FoA-SRが同じSRアダプタを異なる復元目標に向けて操ることができることを示している: Faithfulアダプタは参照一貫性のあるメトリクスを改善し、Aestheticアダプタは参照なしで知覚品質を測定するメトリクスを増強する。 我々の候補プール分析では、FithfulとAestheticの報酬は、しばしば異なる勝者を選択することが示され、Hybrid-LoRAのアブレーションは、両方のプロファイルを1つの報酬に分解することは、明示的なプロファイル制御よりも暗黙の妥協をもたらすことを示している。

関連論文リスト

• RefReward-SR: LR-Conditioned Reward Modeling for Preference-Aligned Super-Resolution [26.50828843718706]
  RefReward-SRは、RSRの低解像度(LR)参照型報酬モデルである。 LR入力に条件付けされた高分解能(HR)再構成を評価し、LRイメージをセマンティックアンカーとして扱う。 我々の枠組みは人的判断との整合性を大幅に向上させ,意味的整合性を維持する再構成を創出する。
  論文  参考訳（メタデータ） (2026-03-25T11:20:51Z)
• Bidirectional Reward-Guided Diffusion for Real-World Image Super-Resolution [79.35296000454694]
  拡散に基づく超解像は、豊富な詳細を合成することができるが、合成ペアデータで訓練されたモデルは、現実世界のLR画像では失敗することが多い。 我々は,超解像を軌道レベルの優先最適化として定式化する報奨誘導拡散フレームワークであるBird-SRを提案する。 実世界のSRベンチマークの実験では、Bird-SRは知覚品質において最先端の手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2026-02-05T19:21:45Z)
• Leveraging Vision-Language Models to Select Trustworthy Super-Resolution Samples Generated by Diffusion Models [0.026861992804651083]
  本稿では拡散生成集合から最も信頼できるSRサンプルを特定するための堅牢なフレームワークを提案する。 本稿では,意味的類似性に基づいてSR信頼性を定量化するハイブリッド尺度TWSを提案する。 アウトプットを人間の期待と意味的正しさに合わせることで、この研究は生成的SRにおける信頼性の新たなベンチマークを定めている。
  論文  参考訳（メタデータ） (2025-06-25T21:00:44Z)
• RAP-SR: RestorAtion Prior Enhancement in Diffusion Models for Realistic Image Super-Resolution [36.137383171027615]
  本稿では,Real-SRの事前学習拡散モデルにおける事前拡張手法であるRAP-SRを紹介する。 まず,QDAISP(Quality-Driven Aesthetic Image Selection Pipeline)を用いたHFAID(High-Fidelity Aesthetic Image dataset)を開発した。 第2に、復元優先分担(RPR)と再生指向分担最適化(ROPO)モジュールを含む再生優先分担フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-10T03:17:38Z)
• RRSR:Reciprocal Reference-based Image Super-Resolution with Progressive Feature Alignment and Selection [66.08293086254851]
  本稿では,RefSRネットワークの学習を強化するための相互学習フレームワークを提案する。 新たに提案したモジュールは,マルチスケールの特徴空間に参照入力画像をアライメントし,参照認識機能の選択を行う。 我々は,最近のRefSRモデルが相互学習パラダイムによって一貫した改善が可能であることを実証的に示す。
  論文  参考訳（メタデータ） (2022-11-08T12:39:35Z)
• MASA-SR: Matching Acceleration and Spatial Adaptation for Reference-Based Image Super-Resolution [74.24676600271253]
  本稿では、RefSRのためのMASAネットワークを提案し、これらの問題に対処するために2つの新しいモジュールを設計する。 提案したMatch & extract Moduleは、粗大な対応マッチング方式により計算コストを大幅に削減する。 空間適応モジュールは、LR画像とRef画像の分布の差を学習し、Ref特徴の分布を空間適応的にLR特徴の分布に再マップする。
  論文  参考訳（メタデータ） (2021-06-04T07:15:32Z)
• Robust Reference-based Super-Resolution via C2-Matching [77.51610726936657]
  超解像(Ref-SR)は、最近、高分解能(HR)参照画像を導入して、低分解能(LR)入力画像を強化するための有望なパラダイムとして登場した。 既存のRef-SR法は主に暗黙の対応に頼り、参照画像からHRテクスチャを借用し、入力画像の情報損失を補う。 本稿では,C2-Matchingを提案する。
  論文  参考訳（メタデータ） (2021-06-03T16:40:36Z)
• DDet: Dual-path Dynamic Enhancement Network for Real-World Image Super-Resolution [69.2432352477966]
  実画像超解像(Real-SR)は、実世界の高分解能画像(HR)と低分解能画像(LR)の関係に焦点を当てている。 本稿では,Real-SRのためのデュアルパス動的拡張ネットワーク(DDet)を提案する。 特徴表現のための大規模な畳み込みブロックを積み重ねる従来の手法とは異なり、非一貫性のある画像対を研究するためのコンテンツ認識フレームワークを導入する。
  論文  参考訳（メタデータ） (2020-02-25T18:24:51Z)
• Characteristic Regularisation for Super-Resolving Face Images [81.84939112201377]
  既存の顔画像超解像法(SR)は、主に人工的にダウンサンプリングされた低解像度(LR)画像の改善に焦点を当てている。 従来の非教師なしドメイン適応(UDA)手法は、未ペアの真のLRとHRデータを用いてモデルをトレーニングすることでこの問題に対処する。 これにより、視覚的特徴を構成することと、画像の解像度を高めることの2つのタスクで、モデルをオーバーストレッチする。 従来のSRモデルとUDAモデルの利点を結合する手法を定式化する。
  論文  参考訳（メタデータ） (2019-12-30T16:27:24Z)

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。