論文の概要: Fill2SR: Repurposing Inpainting Diffusion Transformers for Real-World Super-Resolution

• arxiv url: http://arxiv.org/abs/2609.33582v1
• Date: Sun, 27 Sep 2026 13:55:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-05 15:30:05.931158
• Title: Fill2SR: Repurposing Inpainting Diffusion Transformers for Real-World Super-Resolution
• Title（参考訳）: Fill2SR: 現実の超解像のための塗布拡散変圧器
• Abstract要約: 余分な空間枝を持たないSR用マスク付き塗装拡散変圧器を応用したFill2SRを提案する。 RCDTは、未使用の実際の画像から劣化ディスクリプタを蒸留し、凍結したオープンソースモデルを使用してクリーンなターゲットに転送する。 RCDTのベースモデルでは,RealLQ250とRealPhoto60の非参照品質を継続的に向上させるため,LPIPSドロップを小さくする。
• 参考スコア（独自算出の注目度）: 0.8409980020848167
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent real-world image super-resolution (SR) methods often adapt text-to-image (T2I) backbones with ControlNet-style branches or spatial conditioning tokens, which increases memory and computes with resolution and often constrains training to a fixed scale. We propose Fill2SR, which repurposes a masked-inpainting Diffusion Transformer for SR without extra spatial branches. Our Inpainting-Interface Evidence Adapter (IIEA) writes the low-quality (LQ) observation into the native masked-image slot under a full-image mask, turning inpainting into a reverse-degradation conditional rectified flow trained with LoRA-only tuning. We further introduce RCDT, an offline pipeline that distills degradation descriptors from unpaired real images and transfers them onto clean targets using frozen open-source models. Fill2SR supports mixed-resolution training up to QHD and yields stable performance across $512/1024/2048$ outputs. On synthetic benchmarks, our base model with IIEA achieves the best LPIPS on DIV2K and LSDIR; adding RCDT trades a small LPIPS drop for consistently stronger no-reference quality on RealLQ250 and RealPhoto60. Fill2SR remains memory-predictable, running $1536^2$ inference on a single 32GB GPU and extending to multi-megapixel outputs via tiled restoration.
• Abstract（参考訳）: 近年のリアル・ワールド・イメージ・スーパーレゾリューション(SR)手法は、しばしばテキスト・トゥ・イメージ(T2I)のバックボーンをコントロールネットスタイルのブランチや空間条件付きトークンで適用し、メモリとコンピュートを解像度で増加させ、トレーニングを一定のスケールに制限する。 余分な空間枝を持たないSR用マスク付き塗装拡散変圧器を応用したFill2SRを提案する。 我々のInpainting-Interface Evidence Adapter (IIEA)は、LQ(低品質)観察をフルイメージマスクの下でネイティブマスクイメージスロットに書き込み、LoRAのみのチューニングでトレーニングされた逆劣化条件付き修正フローに変換する。 さらに、未ペアの実際の画像から劣化ディスクリプタを蒸留し、凍結したオープンソースモデルを使用してクリーンなターゲットに転送するオフラインパイプラインであるRCDTについても紹介する。 Fill2SRはQHDまでの混合解像度トレーニングをサポートし、512/1024/2048$出力で安定したパフォーマンスが得られる。 RCDTでは,RealLQ250とRealPhoto60の非参照品質を一定に高めるため,LPIPSの低下が小さい。 Fill2SRはメモリ予測可能であり、単一の32GB GPU上で1536^2$の推論を実行し、タイル付き復元によってマルチメガピクセル出力に拡張する。

関連論文リスト

• In-Token Learning for High-Fidelity Image Restoration via Diffusion Transformers [0.8409980020848167]
  In-Token Learningは、条件付き整流マッチングを用いて事前学習した拡散変圧器を適応する画像復元フレームワークである。 DIV2K, LSDIR, FFHQ, RealLQ250, RealPhoto60の超高分解能・高分解能化とDIV2KとLSDIRの自動着色について検討した。
  論文  参考訳（メタデータ） (2026-09-27T12:45:26Z)
• Ultra-High-Definition Restoration Transformers with Correlation Matching Transformation [113.23094779244771]
  UHDformer++は、UHD(Ultra-High-Definition)イメージ復元タスクを解決するトランスフォーマーベースのフレームワークである。 1)マルチレベル特徴抽出のための高分解能空間(HR)、2)コンパクトで代表的な特徴を学習するための低分解能空間(LR)、3)低分解能特徴をSRからアップするための超分解能空間(SR)、そして4)最終画像復元のための低分解能融合再生空間(LHFR)である。
  論文  参考訳（メタデータ） (2026-08-18T20:41:27Z)
• PixRestore: Unified Image Restoration via Pixel Diffusion Transformer [25.58481833908051]
  統一画像復元(UIR)は、低品質(LQ)画像から高品質(HQ)コンテンツを異なる劣化で復元することを目的としている。 本稿では,VAEフリー画素空間拡散変換器(DiT)であるPixRestoreについて述べる。 PixRestoreは、パッチされたピクセル上で直接フローマッチングを実行し、トークンシーケンスをトラクタブルに保ちながら、きめ細かい詳細を保存する。
  論文  参考訳（メタデータ） (2026-08-17T16:49:55Z)
• 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)
• VARestorer: One-Step VAR Distillation for Real-World Image Super-Resolution [76.19751531910039]
  本稿では,事前学習したテキストから画像へのVARモデルを,ワンステップのISRモデルに変換するフレームワークであるVARestorerを提案する。 VARestorerは、DIV2Kデータセット上で72.32 MUSIQと0.7669 CLIPIQAで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-04-23T09:09:36Z)
• Improving Image-to-Image Translation via a Rectified Flow Reformulation [6.198298884034955]
  Image-to-Image Rectified Flow Reformulationは、標準I2I回帰ネットワークを連続時間輸送モデルとして再キャストする。 提案手法は, チャネルワイド結合によるバックボーン入力を, グランドトラスターゲットのノイズ破損バージョンに拡張する。
  論文  参考訳（メタデータ） (2026-03-20T17:59:03Z)
• Representation Entanglement for Generation: Training Diffusion Transformers Is Much Easier Than You Think [63.25744258438214]
  REPAとその変種は、事前訓練されたモデルから外部の視覚表現を取り入れることで、拡散モデルのトレーニング課題を効果的に軽減する。 偏見推論過程全体において欠落している外部アライメントは、識別的表現の可能性を完全に活用するに足らないと我々は主張する。 本稿では,事前学習した基礎モデルから,低レベル画像ラテントを1つの高レベルクラストークンで絡み合わせるRepresentation Entanglement for Generation (REG)を提案する。
  論文  参考訳（メタデータ） (2025-07-02T08:29:18Z)
• Improving Consistency in Diffusion Models for Image Super-Resolution [28.945663118445037]
  拡散法における2種類の矛盾を観測する。 セマンティックとトレーニング-推論の組み合わせを扱うために、ConsisSRを導入します。 本手法は,既存拡散モデルにおける最先端性能を示す。
  論文  参考訳（メタデータ） (2024-10-17T17:41:52Z)
• DDet: Dual-path Dynamic Enhancement Network for Real-World Image Super-Resolution [69.2432352477966]
  実画像超解像(Real-SR)は、実世界の高分解能画像(HR)と低分解能画像(LR)の関係に焦点を当てている。 本稿では,Real-SRのためのデュアルパス動的拡張ネットワーク(DDet)を提案する。 特徴表現のための大規模な畳み込みブロックを積み重ねる従来の手法とは異なり、非一貫性のある画像対を研究するためのコンテンツ認識フレームワークを導入する。
  論文  参考訳（メタデータ） (2020-02-25T18:24:51Z)

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。