論文の概要: SPARK: Input-Conditioned Sparse Activation Modulation for Frozen DiT-based Super-Resolution

• arxiv url: http://arxiv.org/abs/2609.03813v1
• Date: Thu, 03 Sep 2026 13:17:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-04 18:28:39.083809
• Title: SPARK: Input-Conditioned Sparse Activation Modulation for Frozen DiT-based Super-Resolution
• Title（参考訳）: SPARK: 凍結型DiT系超解離に対する入力導電性スパース活性化制御
• Abstract要約: 凍結したDiTベースのSRモデルに対して,支配チャネルがコンパクトな適応インタフェースとして機能するかどうかを検討する。 本稿では,選択したチャネルのみに対して,チャネルごとのアフィン変換を有界に予測する軽量な入力条件制御系であるSPARKを紹介する。 DIV2K、RealSR、DRealSRにまたがる3つのDiTベースのSRバックボーンの実験では、ストリームとブロックの8チャンネルだけを調節しながら、忠実さと知覚品質の両面で一貫した利得を示した。
• 参考スコア（独自算出の注目度）: 22.659619627342156
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real-world image super-resolution (SR) increasingly relies on Diffusion Transformer (DiT) backbones, whose internal activations can be dominated by a small number of massive channels. Yet improving perceptual quality in these models still typically requires fine-tuning the network or attaching additional adapters, leaving this structured activation space largely unexplored for adaptation. We investigate whether dominant channels can instead serve as a compact adaptation interface for frozen DiT-based SR models. We first characterize their behavior in pretrained SR backbones and show through controlled interventions that they strongly affect reconstruction quality. Building on this observation, we introduce SPARK, a lightweight input-conditioned controller that predicts bounded per-channel affine transformations for only the selected channels, while keeping the SR backbone and VAE frozen. Dominant channels are identified through an online activation-ranking procedure, and only a small predictor conditioned on the low-resolution VAE latent is optimized. Experiments on three DiT-based SR backbones across DIV2K, RealSR, and DRealSR show consistent gains in both fidelity and perceptual quality while modulating only eight channels per stream and block. Controlled comparisons further show that these gains cannot be explained by parameter budget or access to the selected channels alone.
• Abstract（参考訳）: リアルワールド・イメージ・スーパーレゾリューション(SR)はディフュージョン・トランスフォーマー(Diffusion Transformer, DiT)のバックボーンに依存している。 しかし、これらのモデルにおける知覚的品質を改善するには、ネットワークの微調整や追加のアダプタの追加が必要であり、この構造化されたアクティベーション空間は適応のためにほとんど探索されていない。 本研究は,凍ったDiTモデルに対して,支配チャネルがコンパクトな適応インタフェースとして機能するかどうかを考察する。 まず、事前訓練されたSRバックボーンでそれらの挙動を特徴付け、制御された介入を通して、それらが再構成品質に強く影響を及ぼすことを示す。 この観測に基づいて、SRバックボーンとVAEを凍結したまま、選択したチャネルのみに対して、チャネルごとのアフィン変換を有界に予測する軽量な入力条件制御系であるSPARKを導入する。 支配チャネルは、オンラインアクティベーショングレードプロシージャによって識別され、低解像度のVAEラテントに条件付けされた小さな予測器のみが最適化される。 DIV2K、RealSR、DRealSRにまたがる3つのDiTベースのSRバックボーンの実験では、ストリームとブロックの8チャンネルだけを調節しながら、忠実さと知覚品質の両面で一貫した利得を示した。 制御された比較により、これらの利得はパラメータ予算や選択されたチャンネルへのアクセスだけでは説明できないことが示される。

関連論文リスト

• BASC : Behavior-Aligned Quantization and Pruning for Low-Bit Spiking Neural Networks [6.5713207503171285]
  スパイキングニューラルネットワーク(SNN)はバイナリスパイクを通じて情報をエンコードし、イベント駆動方式で計算する。 高性能なSNNは、リソース制約のあるデバイスへのデプロイメントを妨げる、メモリとタイムステップのコストをかなり発生させる。 本稿では,2つの軽量モジュールを持つ統一フレームワークである行動適応型SNN圧縮(BASC)を提案する。
  論文  参考訳（メタデータ） (2026-08-12T03:39:24Z)
• TRaM-VSR: Importance-Aware Token Routing and Merging for One-Step Diffusion Video Super-Resolution [52.96050253456634]
  TRaM-VSRは、コンテキスト対応のビデオプリエントとネットワークレベルを用いた適応トークンアロケーションのためのフレームワークである。 その結果、TRaM-VSRは、最先端の復元品質と頑健な時間的整合性を維持しつつ、推論を著しく加速することがわかった。
  論文  参考訳（メタデータ） (2026-07-24T11:57:26Z)
• Lightweight CNN-Based Anomaly Detection for High Voltage Converter Modulators in the Spallation Neutron Source [0.788278500923222]
  高出力パルスコンバータの予定外走行は、大型加速器施設におけるダウンタイムの主要な原因である。 本研究では, 時間的フィルタリングやチャネル間混合の順序付けなど, アーキテクチャ上の帰納バイアスが検出性能において重要な役割を担っていることを示す。 AUC-PRが0.816、AUC-ROCが0.934で、ほとんどのサブシステムと6つのフォールトファミリーのうち5つにおいて、技術状況よりも優れています。
  論文  参考訳（メタデータ） (2026-05-29T12:54:13Z)
• Dual-Channel Attention Guidance for Training-Free Image Editing Control in Diffusion Transformers [11.772150619675527]
  既存のアテンション操作手法は、アテンションルーティングを変調するキー空間のみにフォーカスする。 本稿では,キーチャネルとバリューチャネルの両方を同時に操作するためのDual-Channel Attention Guidance (DCAG)を提案する。 DCAGは、すべての忠実度指標でキーのみのガイダンスを一貫して上回る。
  論文  参考訳（メタデータ） (2026-02-20T06:24:20Z)
• One-Step Diffusion Transformer for Controllable Real-World Image Super-Resolution [54.485573602613535]
  本稿では,一段階拡散変換器であるODTSRについて述べる。 ODTSRは、制御性を高め、一段階の推論を達成するために、Fidelity-aware Adversarial Training (FAA)を採用している。 実験により,ODTSRは汎用Real-ISR上でのSOTA(State-of-the-art)性能を実現することが示された。
  論文  参考訳（メタデータ） (2025-11-21T11:00:59Z)
• Rethinking Diffusion Model-Based Video Super-Resolution: Leveraging Dense Guidance from Aligned Features [51.5076190312734]
  ビデオ超解法アプローチは、エラーの蓄積、空間的アーティファクト、知覚的品質と忠実さのトレードオフに悩まされる。 ビデオ超解像(DGAF-VSR)に適した特徴を持つ新しい誘導拡散モデルを提案する。 合成および実世界のデータセットの実験では、DGAF-VSRがVSRの重要な側面において最先端の手法を超越していることが示されている。
  論文  参考訳（メタデータ） (2025-11-21T03:40:45Z)
• MSLoRA: Multi-Scale Low-Rank Adaptation via Attention Reweighting [6.335488846185043]
  MSLoRAはバックボーンに依存しないパラメータ効率のよいアダプタで、バックボーンを再調整するのではなく、フィーチャーレスポンスを再重み付けする。 MSLoRAは、畳み込みニューラルネットワーク(CNN)と視覚変換器(ViT)の両方の適応を統一する
  論文  参考訳（メタデータ） (2025-11-16T00:35:37Z)
• AdaFortiTran: An Adaptive Transformer Model for Robust OFDM Channel Estimation [22.40154714677385]
  本稿では,アダフォーティトラン(Adaptive Fortified Transformer, AdaFortiTran)を提案する。 AdaFortiTranは最先端モデルと比較して平均2乗誤差(MSE)を最大6dB削減する。
  論文  参考訳（メタデータ） (2025-05-14T02:22:37Z)
• Rethinking Transformer-Based Blind-Spot Network for Self-Supervised Image Denoising [94.09442506816724]
  BSN(Blind-spot Network)は、自己教師付き画像復調(SSID)におけるニューラルネットワークアーキテクチャとして広く使われている。 本研究では,Transformer ベースの Blind-Spot Network (TBSN) を構築した。
  論文  参考訳（メタデータ） (2024-04-11T15:39:10Z)
• DAIS: Automatic Channel Pruning via Differentiable Annealing Indicator Search [55.164053971213576]
  畳み込みニューラルネットワークは,計算オーバーヘッドが大きいにもかかわらず,コンピュータビジョンタスクの実行において大きな成功を収めている。 構造的(チャネル)プルーニングは、通常、ネットワーク構造を保ちながらモデルの冗長性を低減するために適用される。 既存の構造化プルーニング法では、手作りのルールが必要であり、これは大きなプルーニング空間に繋がる可能性がある。
  論文  参考訳（メタデータ） (2020-11-04T07:43:01Z)
• Operation-Aware Soft Channel Pruning using Differentiable Masks [51.04085547997066]
  本稿では,データ駆動型アルゴリズムを提案する。このアルゴリズムは,操作特性を利用して,ディープニューラルネットワークを異なる方法で圧縮する。 我々は大規模な実験を行い、出力ネットワークの精度で優れた性能を達成する。
  論文  参考訳（メタデータ） (2020-07-08T07:44:00Z)
• Deep Denoising Neural Network Assisted Compressive Channel Estimation for mmWave Intelligent Reflecting Surfaces [99.34306447202546]
  本稿では,mmWave IRSシステムに対するディープデノイングニューラルネットワークを用いた圧縮チャネル推定法を提案する。 我々はまず、受信チェーンをほとんど使わず、アップリンクのユーザ-IRSチャネルを推定するハイブリッド・パッシブ/アクティブIRSアーキテクチャを導入する。 完全チャネル行列は、圧縮センシングに基づいて限られた測定値から再構成することができる。
  論文  参考訳（メタデータ） (2020-06-03T12:18:57Z)

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。