論文の概要: PixelSR: Pixel-Space Orthogonal Flow Decoupling for Real-World Image Super-Resolution

• arxiv url: http://arxiv.org/abs/2610.27759v1
• Date: Tue, 20 Oct 2026 07:21:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.696502
• Title: PixelSR: Pixel-Space Orthogonal Flow Decoupling for Real-World Image Super-Resolution
• Title（参考訳）: PixelSR: リアルタイム超解像のためのPixel空間直交フローデカップリング
• Abstract要約: PixelSRは、Real-SR用の新しいシングルステージのPixel Diffusion Transformerである。 構造的コンテンツを忠実に保存しながら、知覚的に現実的な詳細を復元する。
• 参考スコア（独自算出の注目度）: 18.10632985449244
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Latent diffusion models have recently achieved remarkable progress in Real-world Image Super-Resolution (Real-SR). However, existing methods consistently exhibit a persistent seesaw effect: enhancing perceptual realism compromises structural fidelity. This effect, we argue, is not intrinsic to diffusion models, but largely stems from the architectural constraints of prevailing two-stage frameworks. To address this challenge, we propose PixelSR, a novel single-stage Pixel Diffusion Transformer for Real-SR that operates directly in pixel space. Specifically, PixelSR consists of two core designs: Pixel-space Conditional Diffusion and Orthogonal Flow Decoupling. The former establishes an effective pixel-space restoration framework by integrating spatially aligned LR conditioning, visual semantic guidance, and lightweight texture refinement, thereby bypassing VAE compression and enabling end-to-end optimization directly in RGB space. Complementarily, the latter decomposes the asymmetric flow target into a low-rank semantic component and a noise-free orthogonal texture component. By routing these components to specialized branches, it achieves decoupled optimization with reduced mutual interference. Benefiting from these designs, our PixelSR restores perceptually realistic details while faithfully preserving structural content. Extensive experiments across multiple benchmarks demonstrate that PixelSR not only achieves competitive performance, but also effectively mitigates the fidelity--realism seesaw effect.
• Abstract（参考訳）: 近年,Real-SR (Real-world Image Super-Resolution) において遅延拡散モデルが顕著な進歩を遂げている。 しかし、既存の手法は一貫して持続的なシーソー効果を示しており、知覚現実主義の強化は構造的忠実さを損なう。 この効果は拡散モデルに固有のものではなく、主に一般的な2段階フレームワークのアーキテクチャ上の制約に由来する。 この課題に対処するために,我々は,ピクセル空間で直接動作する新しい1段Pixel Diffusion TransformerであるPixelSRを提案する。 具体的には、PixelSRはPixel-space Conditional DiffusionとOrthogonal Flow Decouplingの2つのコア設計で構成されている。 前者は、空間的に整列したLRコンディショニング、視覚的セマンティックガイダンス、軽量テクスチャリファインメントを統合し、VAE圧縮をバイパスし、RGB空間で直接エンドツーエンドの最適化を可能にする、効果的な画素空間復元フレームワークを確立する。 補足的に、後者は非対称フローターゲットを低ランクセマンティック成分とノイズフリー直交テクスチャ成分とに分解する。 これらのコンポーネントを特別なブランチにルーティングすることで、相互干渉を減らすことで、分離された最適化を実現する。 われわれのPixelSRは、これらのデザインに相応しく、構造的コンテンツを忠実に保存しながら、知覚的に現実的な詳細を復元する。 複数のベンチマークにわたる大規模な実験は、PixelSRが競争性能を達成するだけでなく、忠実さ-現実主義のシーソー効果を効果的に軽減することを示している。

関連論文リスト

• PixARG: Pixel-Asynchronous Retrieval-Augmented Diffusion for Fast and Realistic Image Generation [6.729767805436121]
  本稿では,動的実世界の画像検索を拡散パイプラインに統合する検索拡張型生成フレームワークPixARGを提案する。 具体的には、PixARGは、ユーザのテキストプロンプトと検索した画像の間に画素レベルの親和性マップを構築し、不均一なノイズを誘導する。
  論文  参考訳（メタデータ） (2026-10-10T08:29:41Z)
• PixelIR: Fidelity-Perception Decoupling via Pixel-Space Image-Residual Flow Matching for Efficient One-Step Real-World Super-Resolution [28.787313933850687]
  リアルワールド・イメージ・スーパーレゾリューション(Real-ISR)は、知覚的に現実的な詳細を再構築しながら、劣化した観察によって支えられた構造を保存することを目的としている。 画素空間画像-残差フローマッチングに基づいて構築された,忠実度知覚デカップリングフレームワークであるPixelIRを提案する。 実験によると、PixelIRはRealSRとDRealSRの両方でPSNR、SSIM、LPIPSをリードする。
  論文  参考訳（メタデータ） (2026-08-31T13:39:54Z)
• Exploiting Semantic and Pixel Representations for Ultra-Low Bitrate Image Compression [46.54433210034761]
  SPRDiffは、意味表現とピクセル表現の両方を完全に活用する拡散ベースの圧縮手法である。 我々は,事前学習された歪み指向および意味指向エンコーダから高忠実度特徴を利用する三重エンコーダアーキテクチャを開発した。 ベンチマークデータセットを用いた実験により,本手法は速度-歪-知覚トレードオフにおいて最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2026-06-01T02:59:31Z)
• Efficient One-Step Diffusion Restoration Model with Compact Token Compression and Linear Attention [66.63806505114263]
  既存のReal-ISR法は、高密度な潜在表現と2次コストのグローバルモデリングパラダイムを継承する。 重要なボトルネックは、高分解能回復中の過剰なトークン冗長性とコストのかかるトークン相互作用にある、と我々は主張する。 我々は,LRA微細調整によるリニアアテンションDiTを導入し,リニア複雑トークン混合による高分解能復元を実現した。
  論文  参考訳（メタデータ） (2026-05-22T10:07:02Z)
• Bidirectional Reward-Guided Diffusion for Real-World Image Super-Resolution [79.35296000454694]
  拡散に基づく超解像は、豊富な詳細を合成することができるが、合成ペアデータで訓練されたモデルは、現実世界のLR画像では失敗することが多い。 我々は,超解像を軌道レベルの優先最適化として定式化する報奨誘導拡散フレームワークであるBird-SRを提案する。 実世界のSRベンチマークの実験では、Bird-SRは知覚品質において最先端の手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2026-02-05T19:21:45Z)
• Both Semantics and Reconstruction Matter: Making Representation Encoders Ready for Text-to-Image Generation and Editing [62.94394079771687]
  急成長する傾向は、表現エンコーダの高次元特徴を生成的潜伏剤として採用することである。 生成タスクに理解指向のエンコーダ機能を適用するための体系的フレームワークを提案する。 提案手法は,テキスト・トゥ・イメージ(T2I)と画像編集タスクにおいて,最先端の再構築,収束の高速化,大幅な性能向上を実現する。
  論文  参考訳（メタデータ） (2025-12-19T18:59:57Z)
• SRSR: Enhancing Semantic Accuracy in Real-World Image Super-Resolution with Spatially Re-Focused Text-Conditioning [59.013863248600046]
  本稿では,空間的に再焦点を絞ったテキストコンディショニングを推論時に洗練する超解像フレームワークを提案する。 第二に,非接地画素に対するテキストの影響を選択的に回避し,幻覚を防ぐ空間的自由誘導機構を導入する。
  論文  参考訳（メタデータ） (2025-10-26T05:03:55Z)
• High-resolution Photo Enhancement in Real-time: A Laplacian Pyramid Network [73.19214585791268]
  本稿では,LLF-LUT++と呼ばれるピラミッドネットワークについて紹介する。 具体的には,ダウンサンプリング画像のグローバル音節特性を活かした画像適応型3D LUTを利用する。 LLF-LUT++は、HDR+データセット上でPSNRが2.64dB改善されただけでなく、4K解像度の画像を1つのGPUでわずか13msで処理することで、さらに削減されている。
  論文  参考訳（メタデータ） (2025-10-13T16:52:32Z)
• Feature Alignment with Equivariant Convolutions for Burst Image Super-Resolution [52.55429225242423]
  本稿では,同変畳み込みに基づくアライメントを特徴とするBurst Image Super-Resolution (BISR) のための新しいフレームワークを提案する。 これにより、アライメント変換は画像領域の明示的な監督を通じて学習でき、特徴領域に容易に適用できる。 BISRベンチマークの実験は、定量的メトリクスと視覚的品質の両方において、我々のアプローチの優れた性能を示している。
  論文  参考訳（メタデータ） (2025-03-11T11:13:10Z)
• Fast Omni-Directional Image Super-Resolution: Adapting the Implicit Image Function with Pixel and Semantic-Wise Spherical Geometric Priors [38.580815475638595]
  本稿では,高速かつ任意スケールのODI-SRプロセスを実行する能力を特徴とする新しいODI-SRモデルを提案する。 提案したFAORは、より高速な推論速度で最先端のODI-SRモデルより優れている。
  論文  参考訳（メタデータ） (2025-02-09T13:37:50Z)

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。