論文の概要: LaST-SR: Laplace-Inspired Steady-Transient Complex-Frequency Decomposition for Single Image Super-Resolution
- arxiv url: http://arxiv.org/abs/2609.02063v1
- Date: Wed, 02 Sep 2026 03:43:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 17:53:18.043009
- Title: LaST-SR: Laplace-Inspired Steady-Transient Complex-Frequency Decomposition for Single Image Super-Resolution
- Title（参考訳）: LaST-SR:Laplace-Inspired Steady-Transient Complex-Frequency Decomposition for Single Image Super-Resolution
- Abstract要約: 単一像超解像(SISR)は、構造的に一貫した再構成のためにグローバルなコンテキストモデリングを必要とする。
複素周波数分解モジュールを中心としたLaST-SRを提案する。
5つのベンチマーク実験から、LaST-SRは$times2$と$times4$ SISRの比較手法の中で最高のPSNR/SSIMを達成していることが示された。
- 参考スコア（独自算出の注目度）: 3.8567575575818736
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Single-image super-resolution (SISR) requires global context modeling for structurally consistent reconstruction. Fourier operators are increasingly adopted for global feature modeling. However, their periodic spectral bases constrain the representation of localized aperiodic variations, limiting the recovery of irregular structures and fine details. In dynamical systems, the Laplace neural operator extends Fourier modes to complex frequencies and decomposes the output signal into complementary steady-state and transient responses to jointly model periodic and aperiodic information. We derive, for the first time, an approximate steady-transient decomposition for two-dimensional feature maps, providing an analytical basis for the proposed complex-frequency decomposition. Accordingly, we propose LaST-SR, centered on a Complex-Frequency Decomposition module that couples a global full-spectrum Fourier branch for image-wide dependencies and long-range structural consistency with a window-conditioned local complex-frequency branch for localized, content-dependent aperiodic variations. To fuse the resulting features, we further design a Steady-Transient Collaborative Aggregation module for cross-branch interaction and joint aggregation. Experiments on five benchmarks show that LaST-SR achieves the best PSNR/SSIM among the compared methods for $\times2$ and $\times4$ SISR. Ablation studies further validate the effectiveness of the proposed architecture and its key modeling mechanisms.
- Abstract（参考訳）: 単一像超解像(SISR)は、構造的に一貫した再構成のためにグローバルなコンテキストモデリングを必要とする。
フーリエ演算子はグローバルな特徴モデリングにますます採用されている。
しかし、それらの周期スペクトル基底は局所的な周期的変動の表現を制限し、不規則な構造の回復と細部を制限している。
力学系において、ラプラス・ニューラル演算子はフーリエモードを複素周波数に拡張し、出力信号を相補的な定常状態と過渡応答に分解し、周期情報と周期情報を連成モデル化する。
2次元特徴写像に対する近似定常遷移分解を初めて導出し、提案した複素周波数分解の解析的基礎を与える。
そこで我々は,大域的なフルスペクトルフーリエ分岐と,ウィンドウ条件の局所複素周波数分岐との長期的構造整合を,局所的かつ内容に依存した周期的変動のために結合する複素周波数分解モジュールLaST-SRを提案する。
得られた特徴を融合させるために,クロスブランチ相互作用とジョイントアグリゲーションのためのステアディ-過渡協調アグリゲーションモジュールをさらに設計する。
5つのベンチマークの実験により、LaST-SRは$\times2$と$\times4$ SISRの比較手法の中で最高のPSNR/SSIMを達成することが示された。
アブレーション研究は、提案したアーキテクチャとその重要なモデリングメカニズムの有効性をさらに検証する。
関連論文リスト
- Physics-Informed Neural Networks for Complex Eigenfrequency Identification and Mode Structure Reconstruction of the Ground-State ITG Branch [14.172944546566677]
高密度モードトカマクの急勾配台座は、プラズマ閉じ込めとエッジ輸送と密接に関連している。
本稿では,フーリエ特徴符号化,複素数値特徴伝搬,三段階学習を組み合わせた物理インフォームド・ニューラル・フレームワークを提案する。
実験により, 対象とする複素固有周波数および2次元複素数値モード場を精度良く復元することを示した。
論文 参考訳（メタデータ） (2026-08-03T07:58:06Z) - Frequency Decoupled Framework for Screen Content Image Super-Resolution [7.889283132998558]
暗黙的神経表現に基づく手法は、SCISR(Screen Content Image Super-Resolution)において優れた性能を示した。
ファサーの観点からSCISRを再考する周波数分離フレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-08T04:53:33Z) - FoSS: Modeling Long Range Dependencies and Multimodal Uncertainty in Trajectory Prediction via Fourier State Space Integration [21.39395366378851]
本稿では,周波数領域推論と線形時間列モデリングを融合した二分岐フレームワークFoSSを提案する。
Argoverse 1とArgoverse 2ベンチマークの実験では、FoSSが最先端の精度を実現し、22.5%、パラメータが40%以上削減された。
論文 参考訳（メタデータ） (2026-03-01T21:38:59Z) - Parallel Complex Diffusion for Scalable Time Series Generation [50.01609741902786]
PaCoDiは周波数領域における生成モデリングを分離するスペクトルネイティブアーキテクチャである。
本研究では,PaCoDiが生成品質と推論速度の両方において,既存のベースラインを上回っていることを示す。
論文 参考訳（メタデータ） (2026-02-10T14:31:53Z) - Resolution-Independent Neural Operators for Multi-Rate Sparse-View CT [67.14700058302016]
深層学習手法は高忠実度再構成を実現するが、しばしば固定された取得設定に過度に適合する。
本稿では,連続関数空間に拡張したCT再構成フレームワークであるComputed Tomography Neural Operator (CTO)を提案する。
CTOは一貫性のあるマルチサンプリングレートとクロスレゾリューションのパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-12-13T08:31:46Z) - Rotation Equivariant Arbitrary-scale Image Super-Resolution [62.41329042683779]
任意のスケールの超解像(ASISR)は、低解像度の入力画像から任意のスケールの高分解能回復を実現することを目的としている。
本研究では, 回転同変ASISR法の構築に尽力する。
論文 参考訳（メタデータ） (2025-08-07T08:51:03Z) - A High-Fidelity Speech Super Resolution Network using a Complex Global Attention Module with Spectro-Temporal Loss [2.209230432078302]
音声超解像(SSR)はサンプリング率を高めて低分解能音声を強化する。
近年の研究では、知覚品質向上のための位相再構成の重要性が強調されている。
我々は、複雑なSSRタスクを改善するために、複雑なドメインにおける大きさと位相の両方を再構成する複雑な時間周波数変換ネットワークであるCTFT-Netを紹介する。
論文 参考訳（メタデータ） (2025-06-30T19:53:15Z) - Unleashing Correlation and Continuity for Hyperspectral Reconstruction from RGB Images [64.80875911446937]
RGB画像からのHSI再構成のための相関連続性ネットワーク(CCNet)を提案する。
局所スペクトルの相関について,GrSCM(Group-wise Spectral correlation Modeling)モジュールを紹介する。
グローバルスペクトルの連続性のために、我々はNeSCMモジュールを設計する。
論文 参考訳（メタデータ） (2025-01-02T15:14:40Z) - Accelerated Multi-Contrast MRI Reconstruction via Frequency and Spatial Mutual Learning [50.74383395813782]
本稿では,周波数・空間相互学習ネットワーク(FSMNet)を提案する。
提案したFSMNetは, 加速度係数の異なるマルチコントラストMR再構成タスクに対して, 最先端の性能を実現する。
論文 参考訳（メタデータ） (2024-09-21T12:02:47Z) - Frequency-Assisted Mamba for Remote Sensing Image Super-Resolution [49.902047563260496]
我々は、リモートセンシング画像(RSI)の超高解像度化のために、視覚状態空間モデル(Mamba)を統合するための最初の試みを開発した。
より優れたSR再構築を実現するため,FMSRと呼ばれる周波数支援型Mambaフレームワークを考案した。
我々のFMSRは、周波数選択モジュール(FSM)、ビジョン状態空間モジュール(VSSM)、ハイブリッドゲートモジュール(HGM)を備えた多層融合アーキテクチャを備えている。
論文 参考訳（メタデータ） (2024-05-08T11:09:24Z)
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。