論文の概要: RefGC-SR$^2$: Reference-guided Generated Content Super-Resolution and Refinement
- arxiv url: http://arxiv.org/abs/2606.15158v1
- Date: Sat, 13 Jun 2026 07:04:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:32.955089
- Title: RefGC-SR$^2$: Reference-guided Generated Content Super-Resolution and Refinement
- Title（参考訳）: RefGC-SR$^2$:RefGC-SR$:Reference-guided Generated Content Super-Resolution and Refinement
- Authors: Jeahun Sung, Dahyeon Kye, Soo Ye Kim, Jihyong Oh,
- Abstract要約: 参照誘導型コンテンツスーパーレゾリューション(RefGC-SR$2$)。
オリジナルのHRRIは後処理の段階で再利用され、失われた細部を復元し、生成物を洗練し、同時に出力をアップスケールする。
我々は,このRefGC-SR$2のタスクに対して,2組の低品質アンカーを合成するために,ディプチッチ条件付きジェネレータを訓練する,世界初の実世界の三重項データ生成パイプラインを構築した。
- 参考スコア（独自算出の注目度）: 12.971780703663754
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reference-guided generation (e.g., object compositing, customization) has progressed rapidly, yet current pipelines share a fundamental limitation: the object-centric high-resolution reference image (HRRI) provided by users is downsampled to a fixed low-resolution (LR) before being fed into the model, so the fine-grained details are discarded before the output is even produced. In addition, the generation step then introduces its own artifacts (e.g., identity distortion) on top of this loss. Existing reference-guided generated content refinement (RefGCR) methods can correct some of these artifacts but still operate in the LR domain; reference-guided super-resolution (RefSR) methods recover resolution but assume natural-image degradations and ignore the artifact distribution of generative pipelines. To address both gaps in a single formulation, we introduce a new task: reference-guided generated content super-resolution-refinement (RefGC-SR$^2$), where the original HRRI is reused at the post-processing stage to recover lost details, refine generative artifacts, and upscale the output simultaneously. We construct the first real-world triplet data generation pipeline for this RefGC-SR$^2$ task, training a diptych-conditioned generator to synthesize paired low-quality anchors that public pretrained models cannot provide. We further present a frequency-aware diffusion transformer model for RefGC-SR$^2$ that selectively injects fine details from the HRRI while removing generative artifacts. Extensive experiments demonstrate that our RefGC-SR$^2$ model successfully (i) refines the object identity faithfully with respect to the reference, and (ii) recovers high-resolution details, so that the final result is significantly higher quality and practically more usable compared to existing RefGCR and RefSR baselines.
- Abstract（参考訳）: オブジェクト中心の高解像度参照画像(HRRI)は、モデルに入力される前に固定された低解像度(LR)にダウンサンプリングされるため、出力が生成される前に詳細な詳細は破棄される。
さらに、生成ステップは、この損失の上に独自のアーティファクト(例えば、アイデンティティ歪み)を導入する。
既存のレファレンス誘導生成コンテンツ改善法(RefGCR)は、これらのアーティファクトのいくつかを修正できるが、まだLRドメインで動作している。
参照誘導型コンテンツスーパーレゾリューション(RefGC-SR$^2$)では、元のHRRIを後処理段階で再利用し、失われた詳細を復元し、生成物を洗練し、同時に出力をスケールアップする。
我々は、このRefGC-SR$^2$タスクのための最初の実世界の三重項データ生成パイプラインを構築し、公的な事前訓練モデルでは提供できないペア付き低品質アンカーを合成するためにディプチッチ条件付きジェネレータを訓練する。
さらに,RefGC-SR$^2$に対する周波数認識拡散変換器モデルを提案し,生成物を取り除き,HRRIから細部を選択的に注入する。
我々のRefGC-SR$^2$モデルが成功したことを示す大規模な実験
(i)参照に関してオブジェクトのアイデンティティを忠実に洗練し、
(II) 既存のRefGCRおよびRefSRベースラインと比較して, 最終結果が著しく高品質で実用性が高いように, 高解像度の細部を復元する。
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) - RASR: Retrieval-Augmented Super Resolution for Practical Reference-based Image Restoration [41.50858324338511]
RefSRは、高品質な参照画像を活用して、テクスチャの忠実さと視覚リアリズムを高めることで、Single Image Super Resolution (SISR)を改善している。
既存のRefSRアプローチは、手動でキュレートされたターゲット参照イメージペアに依存している。
Retrieval-Augmented Super Resolution (RASR) は参照データベースから意味論的に関連する高解像度画像を自動的に抽出する新しい実用的なRefSRパラダイムである。
論文 参考訳（メタデータ） (2025-08-13T03:05:20Z) - Controllable Reference Guided Diffusion with Local Global Fusion for Real World Remote Sensing Image Super Resolution [9.658727475375565]
超解像技術は、リモートセンシング画像の空間分解能を高め、より効率的な大規模な地球観測アプリケーションを可能にする。
既存のRefSR手法は、クロスセンサーの解像度ギャップや重要な土地被覆の変化など、現実世界の複雑さに苦しむ。
実世界リモートセンシング画像SRのための新しい制御可能な参照誘導拡散モデルであるCRefDiffを提案する。
論文 参考訳（メタデータ） (2025-06-30T12:45:28Z) - Pixel to Gaussian: Ultra-Fast Continuous Super-Resolution with 2D Gaussian Modeling [50.34513854725803]
Arbitrary-scale Super- resolution (ASSR) は、低解像度(LR)入力から任意のアップサンプリング係数で高解像度(HR)イメージを再構成することを目的としている。
本稿では,Gaussian Splattingを用いたLR画像から2次元連続HR信号を明示的に再構成する,Pixel-to-Gaussianパラダイムを用いた新しいContinuousSRフレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-09T13:43:57Z) - Fortifying Fully Convolutional Generative Adversarial Networks for Image Super-Resolution Using Divergence Measures [17.517010701323823]
超解像(英: Super-Resolution, SR)は、時間制限された画像処理問題である。
本稿では,SRのためのGANベースのアーキテクチャを提案する。
本稿では,GAN発生器の深度を増大させることで得られる差分畳み込み特性を,学習可能な凸重みの集合で最適に組み合わせることができることを示す。
論文 参考訳（メタデータ） (2024-04-09T13:19:43Z) - Reti-Diff: Illumination Degradation Image Restoration with Retinex-based
Latent Diffusion Model [59.08821399652483]
照明劣化画像復元(IDIR)技術は、劣化した画像の視認性を改善し、劣化した照明の悪影響を軽減することを目的としている。
これらのアルゴリズムのうち、拡散モデル(DM)に基づく手法は期待できる性能を示しているが、画像レベルの分布を予測する際に、重い計算要求や画素の不一致の問題に悩まされることが多い。
我々は、コンパクトな潜在空間内でDMを活用して、簡潔な指導先を生成することを提案し、IDIRタスクのためのReti-Diffと呼ばれる新しいソリューションを提案する。
Reti-Diff は Retinex-based Latent DM (RLDM) と Retinex-Guided Transformer (RG) の2つの鍵成分からなる。
論文 参考訳（メタデータ） (2023-11-20T09:55:06Z) - A Feature Reuse Framework with Texture-adaptive Aggregation for
Reference-based Super-Resolution [29.57364804554312]
参照ベース超解像(RefSR)は超解像の分野で大きな成功を収めている。
本稿では,ステップバイステップのテクスチャ再構築プロセスをガイドする機能再利用フレームワークを提案する。
単一画像特徴埋め込みモジュールとテクスチャ適応アグリゲーションモジュールを導入する。
論文 参考訳（メタデータ） (2023-06-02T12:49:22Z) - Reference-based Image Super-Resolution with Deformable Attention
Transformer [62.71769634254654]
RefSRは、補助参照(Ref)画像を超解像低解像度(LR)画像に活用することを目的としている。
本稿では,複数のスケールを持つ変形可能なアテンション変換器,すなわちDATSRを提案する。
DATSRがベンチマークデータセット上で最先端のパフォーマンスを達成することを示す実験を行った。
論文 参考訳（メタデータ） (2022-07-25T07:07:00Z) - 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) - LAPAR: Linearly-Assembled Pixel-Adaptive Regression Network for Single
Image Super-Resolution and Beyond [75.37541439447314]
単一画像超解像(SISR)は、低解像度(LR)画像を高解像度(HR)バージョンにアップサンプリングする根本的な問題を扱う。
本稿では,線形組立画素適応回帰ネットワーク (LAPAR) を提案する。
論文 参考訳（メタデータ） (2021-05-21T15:47:18Z)
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。