論文の概要: FreqOrtho-SR: Frequency-Guided Orthogonal Expert Learning for Real-World Image Super-Resolution

• arxiv url: http://arxiv.org/abs/2606.28745v1
• Date: Sat, 27 Jun 2026 05:51:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.673415
• Title: FreqOrtho-SR: Frequency-Guided Orthogonal Expert Learning for Real-World Image Super-Resolution
• Title（参考訳）: FreqOrtho-SR: リアルタイム画像超解のための周波数誘導直交エキスパートラーニング
• Abstract要約: 本稿では,FreqOrtho-SRを提案する。 $textbfOrtho$gonal Gradient Projection (OGP) は、双対目的最適化を部分空間制約問題として再設定する。 実験により、FreqOrtho-SRは、競争全体のパフォーマンスと強力なフィデリティ・パーセプショントレードオフを達成することが示された。
• 参考スコア（独自算出の注目度）: 3.479971042921974
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diffusion prior-based methods have shown impressive results in real-world image super-resolution (ISR), yet two key challenges persist: balancing pixel-level fidelity with semantic quality, and adapting to diverse degradations. Existing dual-branch approaches freeze the pixel module during semantic training, but the semantic branch can still expand capacity within the pixel subspace, precluding genuine perceptual improvement. Moreover, using a single static adapter cannot generalize across heterogeneous real-world corruptions. To address both issues, we propose FreqOrtho-SR, which comprises: $\textbf{Freq}$uency-guided Mixture of LoRA Experts (FreqMoE), it routes inputs to specialized experts via a non-parametric FFT-based degradation-feature extractor that encodes frequency-domain signatures, enabling stable and interpretable specialization across corruption types; and $\textbf{Ortho}$gonal Gradient Projection (OGP), which reframes the dual-objective optimization as a subspace-constrained problem: by extracting the pixel-fidelity subspace via SVD on combined expert weight deltas and projecting semantic gradients onto its null space, OGP guarantees orthogonality between the two objectives, enabling genuinely complementary learning without mutual interference. Experiments show that FreqOrtho-SR achieves competitive overall performance and a strong fidelity-perception trade-off across multiple benchmarks with efficient single-step inference. The source code of our method can be found at $\href{https://github.com/sonhm3029/FreqOrtho-SR}{\texttt{sonhm3029/FreqOrtho-SR}}$.
• Abstract（参考訳）: 拡散前の手法は、実世界の超解像(ISR)において印象的な結果を示しているが、2つの重要な課題は、ピクセルレベルの忠実度とセマンティックな品質のバランス、多様な劣化への適応である。 既存のデュアルブランチアプローチは、セマンティックトレーニング中にピクセルモジュールを凍結するが、セマンティックブランチは、真の知覚的改善を前に、ピクセルサブスペース内のキャパシティを拡大することができる。 さらに、単一の静的アダプタを使用することで、異質な現実世界の汚職を一般化することはできない。 両問題に対処するために、FreqOrtho-SRを提案する。$\textbf{Freq}$uency-guided Mixture of LoRA Experts (FreqMoE)は、周波数ドメインシグネチャを符号化して周波数ドメインシグネチャを符号化する非パラメトリックFFTベースの分解機能抽出器、および$\textbf{Ortho}$gonal Gradient Projection (OGP)をサブスペース制約された問題として再構成する$\textbf{Ortho}$gonal Gradient Projection (OGP)である。 実験により、FreqOrtho-SRは、効率的なシングルステップ推論を備えた複数のベンチマーク間で、競争全体的なパフォーマンスと強力なフィデリティ知覚トレードオフを達成することが示された。 私たちのメソッドのソースコードは、$\href{https://github.com/sonhm3029/FreqOrtho-SR}{\textt{sonhm3029/FreqOrtho-SR}}$で確認できる。

関連論文リスト

• SP-MoMamba: Superpixel-driven Mixture of State Space Experts for Efficient Image Super-Resolution [99.56535031145211]
  状態空間モデル(SSM)は、効率的な単一画像超解像(SR)のための強力なパラダイムとして登場した。 我々は、コンテント対応SRのための状態空間の専門家による超ピクセル駆動の混合である textbfSP-MoMamba を提案する。 私たちの中核となる考え方は、従来の剛性スキャンを、スーパーピクセルを基本単位として扱うことによって、テキストのセマンティックなレベルのインタラクションに変換することです。
  論文  参考訳（メタデータ） (2026-05-25T14:19:59Z)
• 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)
• Fourier-RWKV: A Multi-State Perception Network for Efficient Image Dehazing [26.57698394898644]
  マルチステート・パーセプション・パラダイムに基づく新しい脱ハージング・フレームワークを提案する。 Fourier-RWKVはさまざまなヘイズシナリオにまたがって最先端のパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2025-12-09T01:35:56Z)
• 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)
• FUSE: Label-Free Image-Event Joint Monocular Depth Estimation via Frequency-Decoupled Alignment and Degradation-Robust Fusion [92.4205087439928]
  画像強調共同深度推定法は、頑健な知覚に相補的なモダリティを利用するが、一般化可能性の課題に直面している。 自己監督型転送(PST)と周波数デカップリング型フュージョンモジュール(FreDF)を提案する。 PSTは、画像基盤モデルとの遅延空間アライメントによるクロスモーダルな知識伝達を確立し、データ不足を効果的に軽減する。 FreDFは、低周波構造成分から高周波エッジ特性を明示的に分離し、モード比周波数ミスマッチを解消する。 この組み合わせのアプローチにより、FUSEはターゲットデータセットに対する軽量デコーダ適応のみを必要とするユニバーサルなイメージイベントを構築することができる。
  論文  参考訳（メタデータ） (2025-03-25T15:04:53Z)
• Mutual Affine Network for Spatially Variant Kernel Estimation in Blind Image Super-Resolution [130.32026819172256]
  既存のブラインド画像超解像法(SR)は、ぼやけたカーネルが画像全体にわたって空間的に不変であると仮定する。 本稿では,空間変動カーネル推定のための相互アフィンネットワーク(MANet)を提案する。
  論文  参考訳（メタデータ） (2021-08-11T16:11:17Z)

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。