論文の概要: TGSR: Text-Grounded Diffusion for Faithful Image Super-Resolution

• arxiv url: http://arxiv.org/abs/2610.14281v1
• Date: Fri, 09 Oct 2026 20:00:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 22:16:35.677567
• Title: TGSR: Text-Grounded Diffusion for Faithful Image Super-Resolution
• Title（参考訳）: TGSR: 忠実な画像超解像のためのテキスト中心拡散
• Abstract要約: TGSR(Text-Grounded Super-Resolution)は,テキスト領域を段階的に識別・抑制するテストタイムフレームワークである。 TGSRは、複数のバックボーンにわたるテキストの忠実度を一貫して改善し、知覚品質を低下させることなく、認識精度を最大17.68ポイント向上させる。
• 参考スコア（独自算出の注目度）: 18.388639674744912
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diffusion models have achieved remarkable success in image super-resolution (SR) by leveraging strong generative priors to enhance perceptual quality. However, for textual content, these priors often produce text hallucinations: non-existent or distorted text, which alter scene semantics and compromise model reliability. While recent methods focus on enhancing text generation, they do so indiscriminately, leaving hallucinations fundamentally unresolved. We argue the core problem is a lack of selective control. Therefore, we reformulate text SR as a selective generation problem: text is resolved only when reliable generation is expected, while other scene content is fully super-resolved. We introduce TGSR (Text-Grounded Super-Resolution), a test-time framework that progressively identifies and suppresses likely hallucinated text regions during generation. To enable this, we train dedicated detectors on a large-scale dataset curated from diverse diffusion-based SR outputs. TGSR consistently improves text fidelity across multiple backbones, increasing recognition precision by up to 17.68 points without degrading perceptual quality, underscoring the value of selective control in generative SR.
• Abstract（参考訳）: 拡散モデルは、知覚品質を高めるために強力な生成前駆体を活用することにより、画像超解像(SR)において顕著な成功を収めた。 しかし、テキストコンテンツの場合、これらの先行は、シーンのセマンティクスを変化させ、モデルの信頼性を損なうような、存在しないあるいは歪んだテキストという、テキスト幻覚をしばしば生み出す。 近年の手法はテキスト生成の強化に重点を置いているが、それらは無差別に行われ、幻覚は基本的に未解決のままである。 我々は、中核的な問題は選択制御の欠如であると主張している。 そこで本研究では,テキストSRを選択的生成問題として再定義する。テキストは信頼性の高い生成が期待される場合にのみ解決され,他のシーンコンテンツは完全に解決される。 TGSR(Text-Grounded Super-Resolution)は,テキスト領域を段階的に識別・抑制するテストタイムフレームワークである。 これを実現するために、様々な拡散ベースのSR出力から算出した大規模データセットに専用検出器を訓練する。 TGSRは、複数のバックボーンにまたがるテキストの忠実度を一貫して改善し、知覚品質を低下させることなく認識精度を最大17.68ポイント向上させる。

関連論文リスト

• PRISM: Prior Rectification and Uncertainty-Aware Structure Modeling for Diffusion-Based Text Image Super-Resolution [51.96078493242164]
  PRISMは単一ステップ拡散ベースのText-SRフレームワークである。 PRISMはミリ秒レベルの推論で最先端の性能を達成する。
  論文  参考訳（メタデータ） (2026-05-13T05:31:06Z)
• GLYPH-SR: Can We Achieve Both High-Quality Image Super-Resolution and High-Fidelity Text Recovery via VLM-guided Latent Diffusion Model? [6.601720172018393]
  シーンテキスト(Scene-text)、すなわち、サイン、製品ラベル、店頭などの自然画像に埋め込まれたテキストは、しばしば最も実行可能な情報を運ぶ。 GLYPH-SRは、OCRデータでガイドされるText-SR Fusion ControlNet(TS-ControlNet)と、テキスト中心とシーン中心のガイダンスを交互に切り替えるピンポンスケジューラを使用している。
  論文  参考訳（メタデータ） (2025-10-30T10:46:28Z)
• TextSR: Diffusion Super-Resolution with Multilingual OCR Guidance [24.242452422416438]
  我々は,多言語テキスト画像超解法に特化して設計された多モーダル拡散モデルであるTextSRを紹介する。 テキストの先行画像と低解像度のテキスト画像を統合することにより,本モデルが効果的に超解像過程を導出する。 TextZoom と TextVQA のデータセット上でのモデルの優れたパフォーマンスは、STISR の新しいベンチマークを設定します。
  論文  参考訳（メタデータ） (2025-05-29T05:40:35Z)
• NCAP: Scene Text Image Super-Resolution with Non-CAtegorical Prior [0.0]
  Scene Text Image Super- resolution (STISR) は低解像度画像の解像度と画質を向上させる。 TPのような明示的なカテゴリーの先行は、誤ってSTISRに悪影響を及ぼす可能性がある。 事前訓練された認識器は、低解像度画像とのTP闘争を発生させるのに使われた。
  論文  参考訳（メタデータ） (2025-04-01T04:14:07Z)
• Image Super-Resolution with Text Prompt Diffusion [118.023531454099]
  画像SRにテキストプロンプトを導入し、劣化前の情報を提供する。 PromptSRは、最新のマルチモーダル大言語モデル(MLLM)を利用して、低解像度画像からプロンプトを生成する。 実験により、テキストプロンプトをSRに導入すると、合成画像と実世界の画像の両方で印象的な結果が得られることが示された。
  論文  参考訳（メタデータ） (2023-11-24T05:11:35Z)
• Recognition-Guided Diffusion Model for Scene Text Image Super-Resolution [15.391125077873745]
  Scene Text Image Super-Resolution (STISR)は、低解像度(LR)画像におけるテキストの解像度と可視性を高めることを目的としている。 従来は差別的畳み込みニューラルネットワーク(CNN)を多種多様なテキストガイダンスで用いていた。 本稿では,シーンテキスト画像の認識誘導拡散モデルであるRGDiffSRを紹介する。
  論文  参考訳（メタデータ） (2023-11-22T11:10:45Z)
• Scene Text Image Super-Resolution in the Wild [112.90416737357141]
  低解像度のテキスト画像は、携帯電話が捉えた文書のような自然の場面でよく見られる。 従来は、合成低解像度画像に対して、単一の画像超解像法 (SISR) を訓練していた。 実際のシーンテキストSRデータセットであるTextZoomをプロポーズする。 この写真には、野生の焦点距離の異なるカメラが捉えた、実際の低解像度と高解像度の2つの画像が含まれている。
  論文  参考訳（メタデータ） (2020-05-07T09:18:59Z)

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。