論文の概要: Detail Continuation over a Trustworthy Coarse Scale for Autoregressive Super-Resolution

• arxiv url: http://arxiv.org/abs/2608.01823v1
• Date: Mon, 03 Aug 2026 07:29:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.38212
• Title: Detail Continuation over a Trustworthy Coarse Scale for Autoregressive Super-Resolution
• Title（参考訳）: 自己回帰型超解法における信頼性の高い粗大度スケールの詳細な継続
• Abstract要約: 幻覚は、生成超解像における永続的な課題である。 信頼できる粗大な情報を保存することと、より不確実な詳細を復元することの区別はしばしば暗黙的に扱われる。 我々は、VARベースのSRをフルパス生成から$k$-to-N$詳細継続プロセスに変換するtextbfK2Nを提案する。
• 参考スコア（独自算出の注目度）: 11.303661953283894
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hallucination remains a persistent challenge in generative super-resolution (GSR), where reconstructed results may contain visually plausible yet weakly supported content, structural deviations, or unnatural textures with respect to the low-resolution (LR) input. Existing GSR methods have extensively explored the trade-off between perceptual realism and reconstruction fidelity, but the division between preserving reliable coarse-scale information and restoring more uncertain fine details is often handled implicitly within the overall restoration process. Visual autoregressive (VAR) modeling provides a natural opportunity to revisit this issue, as its coarse-to-fine next-scale prediction offers an explicit scale-wise generation interface. However, existing VAR-based SR methods still inherit the original full 1-to-$N$ autoregressive generation path, even though, for super-resolution, coarse-scale information in LR is often relatively more reliable, while long autoregressive chains may accumulate prediction errors. Motivated by these observations, we propose \textbf{K2N}, which reformulates VAR-based SR from full-path generation into a $k$-to-$N$ detail continuation process. Specifically, early coarse-scale states are established directly from LR, while only the remaining finer scales are restored autoregressively. Experimental results show that K2N remains competitive with the VARSR baseline on standard SR metrics, while exhibiting clearer advantages on hallucination-focused evaluation. These findings suggest that explicitly rethinking the generation path in a scale-wise manner can be a promising direction for improving the reliability of generative super-resolution. Our code will be released soon at https://github.com/BRL-SYSU/K2NSR.
• Abstract（参考訳）: 幻覚は、生成超解像(GSR)において永続的な課題であり、再構成された結果には、低分解能(LR)入力に関して視覚的に可視であるが弱く支持された内容、構造的偏差、または不自然なテクスチャが含まれる可能性がある。 既存のGSR手法は、知覚現実主義と再建忠実性のトレードオフを幅広く検討してきたが、信頼性の高い粗大な情報を保存することと、より不確実な詳細を復元することの区別は、全体の修復過程の中で暗黙的に扱われることが多い。 視覚的自己回帰(VAR)モデリングは、粗い次世代の予測が明示的なスケールワイズ生成インターフェースを提供するため、この問題を再考する自然な機会を提供する。 しかしながら、既存のVARベースのSR法は、高解像度のLRにおける粗大な情報は比較的信頼性が高く、長い自己回帰連鎖は予測エラーを蓄積する可能性があるにもかかわらず、元の1-to-N$自己回帰生成経路を継承している。 これらの観測により、VARベースのSRをフルパス生成から$k$-to-N$詳細継続プロセスに再構成する「textbf{K2N}」を提案する。 具体的には、初期粗大状態はLRから直接確立され、残りの細粒度のみが自己回帰的に復元される。 実験の結果, K2Nは標準SR測定値のVARSR基準値と競合する傾向を示し, 幻覚評価においてより明確な優位性を示した。 これらの結果から, 生成経路をスケール的に明示的に再考することは, 生成超解像の信頼性向上につながる可能性が示唆された。 私たちのコードはもうすぐhttps://github.com/BRL-SYSU/K2NSR.comでリリースされます。

関連論文リスト

• MeanSR: Restoration Trajectory Learning for One-Step Perceptual Super-Resolution [50.60539317126614]
  MeanSRはLR条件の平均速度場を学習し、ノイズ入力から可算HR出力への有限時間遷移を直接キャプチャする。 実験の結果、MeanSRはCLIPIQA、MUSIQ、MANIQAでCTMSRより優れており、FLOPと推論遅延を大幅に低減していることがわかった。
  論文  参考訳（メタデータ） (2026-08-10T10:33:18Z)
• When Latents Forget Pixels: Restoring Fidelity in Diffusion Transformer Super-Resolution [47.89708788628452]
  本稿では,VAE圧縮前にLR観測された画素の証拠を保存し,復元を通じて再利用する,画素基底超解像(PGSR)フレームワークを提案する。 実験により、PGSRは現実主義のトレードオフを改善し、既存の潜在生成型SRアプローチよりも忠実で視覚的に説得力のある結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2026-08-10T05:24:39Z)
• RefGC-SR$^2$: Reference-guided Generated Content Super-Resolution and Refinement [12.971780703663754]
  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$2のタスクに対して,2組の低品質アンカーを合成するために,ディプチッチ条件付きジェネレータを訓練する,世界初の実世界の三重項データ生成パイプラインを構築した。
  論文  参考訳（メタデータ） (2026-06-13T07:04:36Z)
• Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals [83.0127582612634]
  Near-boundary Rescue (NSR) は最小限のプラグ・アンド・プレイの修正であり、失った信号を回復するために、アウト・オブ・バウンドトークンを保持する。 NSRはトレーニングの安定性を大幅に改善し、DAPOやGSPOといった強力なベースライン上で一貫したゲインを提供する。
  論文  参考訳（メタデータ） (2026-05-21T16:45:31Z)
• Next-Acceleration-Scale Prediction for Autoregressive MRI Reconstruction [52.32112533846212]
  MRI再建は本質的に不完全な逆問題である。 この制限は、再構成を離散的なマルチスケールの潜在空間に移動させ、自己回帰的次加速スケールの予測として機能させることによって解決する。 提案手法は,過度のアンサンプ下での多種多様なサンプリングパターンの再構成性能の向上を図っている。
  論文  参考訳（メタデータ） (2026-05-19T04:40:50Z)
• DegBins: Degradation-Driven Binning for Depth Super-Resolution [57.61783461543096]
  DegBinsは、劣化駆動のビンニングを利用して残留モデリングを適応的に強化する新しいDSRフレームワークである。 DegBinsは、精度、堅牢性、一般化の観点から、既存の最先端メソッドを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-05-10T16:17:11Z)
• Allo{SR}$^2$: Rectifying One-Step Super-Resolution to Stay Real via Allomorphic Generative Flows [32.29950358173077]
  大規模拡散モデルとフローベースモデルの強力な生成先行モデルを活用することで、実世界の超解像(Real-SR)が革新された。 AlloSR$2$は、高忠実な生成リアリズムを維持するために同型生成フローを介して一段階のSR軌道を補正する新しいフレームワークである。
  論文  参考訳（メタデータ） (2026-04-21T08:44:40Z)
• 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)
• FiDeSR: High-Fidelity and Detail-Preserving One-Step Diffusion Super-Resolution [11.03986460753769]
  本稿では,高忠実かつ細部保存のワンステップ拡散超解像フレームワークFiDeSRを提案する。 トレーニング中、モデルがより高い予測誤差を示す領域を適応的に強調する詳細対応重み付け戦略を導入する。 推論中、低周波および高周波適応型エンハンサーはモデル再トレーニングを必要とせずに再構成をさらに洗練する。
  論文  参考訳（メタデータ） (2026-03-03T07:34:49Z)
• Recursive Think-Answer Process for LLMs and VLMs [54.52289112197118]
  R-TAP(Recursive Think-Answer Process)を提案する。 R-TAPにより、モデルは反復的推論サイクルに参加し、より正確な答えを生成することができる。 R-TAP強化モデルが従来のシングルパス法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2026-03-02T17:20:10Z)
• AlignVAR: Towards Globally Consistent Visual Autoregression for Image Super-Resolution [16.90182090355781]
  視覚的自己回帰モデルは、次のスケールの予測を通じて安定したトレーニング、非定性推論、高忠実性合成を提供する。 しかし、その応用は未調査のままであり、局所性に偏った注意と残留性のみの監督という2つの重要な課題に直面している。 画像超解像に適した一貫した視覚自己回帰フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-28T10:39:06Z)

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。