論文の概要: DuSRFlow: Dual-Lens Super-Resolution via Parallax-Aware Flow Estimation and Complementary Reference Warping

• arxiv url: http://arxiv.org/abs/2610.14630v1
• Date: Sat, 10 Oct 2026 06:28:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 12:34:31.283402
• Title: DuSRFlow: Dual-Lens Super-Resolution via Parallax-Aware Flow Estimation and Complementary Reference Warping
• Title（参考訳）: DuSRFlow:Dual-Lens Super-Resolution by Parallax-Aware Flow Estimation and Complementary Reference Warping
• Abstract要約: デュアルレンズ超解像(DuSR)は、望遠基準(Ref)画像を利用して広角低解像度(LR)画像を強化することを目的としている。 既存の手法では、幾何学的な先行情報を提供するために、既製の単分子光学フローモデルを用いることが多い。 対応学習と参照アグリゲーションの両方から参照利用を改善するデュアルレンズ超解像フレームワークであるDuSRFlowを提案する。
• 参考スコア（独自算出の注目度）: 20.195083861269847
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dual-lens super-resolution (DuSR) aims to enhance a wide-angle low-resolution (LR) image by exploiting a telephoto reference (Ref) image. A central challenge in DuSR is reliable reference utilization under large parallax, occlusion, and cross-camera imaging discrepancies. Existing methods often employ off-the-shelf monocular optical flow models to provide geometric priors. However, their assumptions of photometric consistency and smooth motion are violated in dual-lens scenarios, leading to unreliable alignment and degraded reference-based reconstruction. To address these issues, we propose DuSRFlow, a dual-lens super-resolution framework that improves reference utilization from both correspondence learning and reference aggregation. First, we introduce DuFlowNet, a dedicated dual-lens flow estimator for robust cross-view alignment. To train DuFlowNet without ground-truth flow annotations, we develop a real--synthetic data fusion strategy that composites synthetic foreground objects onto real dual-lens image pairs, generating controllable large-parallax samples while preserving realistic cross-camera imaging characteristics. Second, we observe that reference reliability is highly spatially uneven in DuSR, where unreliable local reference responses may suppress the utilization of reliable cues. We therefore propose a Complementary Reference Warping strategy that coordinates patch-based warping and kernel-free-guided deformable warping according to local reference reliability, producing a more reliable reference representation before LR--Ref fusion. In addition, we construct DuSR-RealV2, a challenging real-world benchmark with complex depth variations, large parallax, and occlusion. Extensive experiments on multiple DuSR benchmarks demonstrate that DuSRFlow achieves state-of-the-art performance in reconstruction quality, perceptual quality, and cross-dataset generalization.
• Abstract（参考訳）: デュアルレンズ超解像(DuSR)は、望遠基準(Ref)画像を利用して広角低解像度(LR)画像を強化することを目的としている。 DuSRにおける中心的な課題は、大きな視差、閉塞、カメラ横断画像の異常の下での信頼性の高い参照利用である。 既存の手法では、幾何学的な先行情報を提供するために、既製の単分子光学フローモデルを用いることが多い。 しかし、光度一貫性と滑らかな運動の仮定は二重レンズのシナリオでは破られ、信頼性の低いアライメントと劣化した参照ベースの再構成をもたらす。 これらの問題に対処するため、対応学習と参照集約の両方から参照利用を改善するデュアルレンズ超解像フレームワークであるDuSRFlowを提案する。 まず、堅牢なクロスビューアライメントのための専用デュアルレンズフロー推定器であるDuFlowNetを紹介する。 本研究は,DuFlowNetを地中トルースフローアノテーションを使わずにトレーニングするために,合成前景オブジェクトを実双レンズ画像対に合成する実合成データ融合戦略を開発し,現実的なクロスカメラ画像特性を保ちながら,制御可能な大視差サンプルを生成する。 第二に、DuSRでは参照信頼性が非常に不均一であり、信頼できないローカル参照応答が信頼性の高いキューの利用を抑制する可能性がある。 そこで我々は,パッチベースのワープとカーネルフリーの変形可能なワープを局所的な参照信頼性に応じて調整するComplementary Reference Warping戦略を提案し,LR-Ref融合前により信頼性の高い参照表現を生成する。 さらに,DuSR-RealV2という,複雑な深度変化,大きなパララックス,オクルージョンを備えた,挑戦的な実世界のベンチマークを構築した。 複数のDuSRベンチマークでの大規模な実験により、DuSRFlowは再構築品質、知覚品質、データセット間の一般化において最先端のパフォーマンスを達成することが示された。

関連論文リスト

• Controllable Reference Guided Diffusion with Local Global Fusion for Real World Remote Sensing Image Super Resolution [9.658727475375565]
  超解像技術は、リモートセンシング画像の空間分解能を高め、より効率的な大規模な地球観測アプリケーションを可能にする。 既存のRefSR手法は、クロスセンサーの解像度ギャップや重要な土地被覆の変化など、現実世界の複雑さに苦しむ。 実世界リモートセンシング画像SRのための新しい制御可能な参照誘導拡散モデルであるCRefDiffを提案する。
  論文  参考訳（メタデータ） (2025-06-30T12:45:28Z)
• Reference-based Image and Video Super-Resolution via C2-Matching [100.0808130445653]
  本稿では,C2-Matchingを提案する。 C2-Matchingは、標準的なCUFED5ベンチマークにおいて、最先端のアーツを著しく上回っている。 また、類似シーンで撮影された画像がHR参照画像として機能するため、C2-Matchingを参照ベースでビデオスーパーリゾリューションタスクに拡張する。
  論文  参考訳（メタデータ） (2022-12-19T16:15:02Z)
• Dual-Camera Super-Resolution with Aligned Attention Modules [56.54073689003269]
  デュアルカメラ・スーパーレゾリューション(DCSR)に着目したレファレンスベース・スーパーレゾリューション(RefSR)への新しいアプローチを提案する。 提案手法は,空間アライメント操作と標準パッチベースの特徴マッチングを一般化する。 実世界の画像とトレーニング画像の領域ギャップを埋めるために,自己監督型領域適応戦略を提案する。
  論文  参考訳（メタデータ） (2021-09-03T07:17:31Z)
• MASA-SR: Matching Acceleration and Spatial Adaptation for Reference-Based Image Super-Resolution [74.24676600271253]
  本稿では、RefSRのためのMASAネットワークを提案し、これらの問題に対処するために2つの新しいモジュールを設計する。 提案したMatch & extract Moduleは、粗大な対応マッチング方式により計算コストを大幅に削減する。 空間適応モジュールは、LR画像とRef画像の分布の差を学習し、Ref特徴の分布を空間適応的にLR特徴の分布に再マップする。
  論文  参考訳（メタデータ） (2021-06-04T07:15:32Z)
• Robust Reference-based Super-Resolution via C2-Matching [77.51610726936657]
  超解像(Ref-SR)は、最近、高分解能(HR)参照画像を導入して、低分解能(LR)入力画像を強化するための有望なパラダイムとして登場した。 既存のRef-SR法は主に暗黙の対応に頼り、参照画像からHRテクスチャを借用し、入力画像の情報損失を補う。 本稿では,C2-Matchingを提案する。
  論文  参考訳（メタデータ） (2021-06-03T16:40:36Z)

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。