論文の概要: HiFiPix: Bringing High-Fidelity Real-World Super-Resolution Back to Pixel Space

• arxiv url: http://arxiv.org/abs/2610.35515v1
• Date: Mon, 26 Oct 2026 14:37:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:14.032403
• Title: HiFiPix: Bringing High-Fidelity Real-World Super-Resolution Back to Pixel Space
• Title（参考訳）: HiFiPix:高忠実な現実世界の超解像をピクセル空間に戻す
• Abstract要約: HiFiPixは、超高忠実な再構成ときめ細かい視覚効果を実現することができるピクセル空間のReal-ISRフレームワークである。 HiFiPixは、修復精度と知覚品質の両面において、既存の最先端の潜伏空間法を、大きなマージンで一貫して上回っていることを示す。
• 参考スコア（独自算出の注目度）: 43.668189422313795
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diffusion-based real-world image super-resolution suffers from limited reconstruction fidelity due to information loss in VAE-based latent representations. Recently, pixel-space diffusion models offer a promising high-faithfulness alternative by avoiding latent compression, but adapting them to Real-ISR remains challenging due to inherent patch boundary artifacts and degraded generative capability. To address the issues and maximize the potential of pretrained pixel-space diffusion models, we propose HiFiPix, a pixel-space Real-ISR framework capable of ultra high-fidelity reconstruction and fine-grained visual generation effects. To suppress patch boundary artifacts, we penalize unrealistic high-frequency periodic components with a Cross-Scale Wavelet Discriminator (CWSD) for image-level supervision, and Mixup Contrastive Self-Distillation (MixCSD) for intermediate representation regularization. Furthermore, we uncover a heterogeneous generation-fidelity trade-off across low-rank adapters (LoRA) and propose Selective LoRA Pruning (LoRA-SP) to adaptively prune LoRA layers, enhancing generative capability with minimal deterioration of reconstruction fidelity. Extensive experiments demonstrate that HiFiPix consistently outperforms existing state-of-the-art latent space methods in terms of both restoration accuracy and perceptual quality by a large margin. Code and models will be released.
• Abstract（参考訳）: 拡散に基づく実世界の超解像は、VAEベースの潜伏表現における情報損失により、限られた再構成忠実度に悩まされる。 近年, 画素空間拡散モデルでは, 遅延圧縮を回避することで, 有望な高信頼感の代替手段が提供されているが, パッチ境界アーチファクトや劣化生成能力のため, それらをReal-ISRに適応することは依然として困難である。 予め訓練した画素空間拡散モデルのポテンシャルを最大化するために,超高忠実度再構成ときめ細かな視覚発生効果を実現できる画素空間リアルISRフレームワークであるHiFiPixを提案する。 画像レベルの監視のためのクロススケールウェーブレット識別器(CWSD)と中間表現正規化のためのMixCSD(Mixup Contrastive Self-Distillation)を用いて非現実的な高周波周期成分をペナル化する。 さらに,ローランクアダプタ (LoRA) 間での不均一な世代間のトレードオフを明らかにするとともに,LoRA層を適応的に創出するSelective LoRA Pruning (LoRA-SP) を提案する。 大規模な実験により、HiFiPixは、修復精度と知覚品質の両方において、既存の最先端の潜伏空間法を大きなマージンで一貫して上回ることを示した。 コードとモデルはリリースされる。

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)
• 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)
• Zero-shot Adaptation of Stable Diffusion via Plug-in Hierarchical Degradation Representation for Real-World Super-Resolution [22.82705867627899]
  Real-World Image Super-Resolutionは、未知の複雑な実世界の要因によって劣化した低品質な入力から高品質なイメージを復元することを目的としている。 textbfHD-CLIP (textbfHierarchical textbfDegradation CLIP)は、低品質の画像をセマンティック埋め込みに分解する。 textbfCLIPは、トレーニングなしで様々な超解像度フレームワークにシームレスに統合できる。
  論文  参考訳（メタデータ） (2025-12-11T06:45:28Z)
• Latent Harmony: Synergistic Unified UHD Image Restoration via Latent Space Regularization and Controllable Refinement [89.99237142387655]
  LH-VAEを導入し、視覚的意味的制約や進行的劣化による意味的堅牢性を高める。 Latent Harmonyは、UHD修復のためのVAEを再定義する2段階のフレームワークである。 実験により、Latent HarmonyはUHDおよび標準解像度タスクにまたがって最先端のパフォーマンスを実現し、効率、知覚品質、再現精度を効果的にバランスさせることが示されている。
  論文  参考訳（メタデータ） (2025-10-09T08:54:26Z)
• ZipIR: Latent Pyramid Diffusion Transformer for High-Resolution Image Restoration [75.0053551643052]
  本稿では、高解像度画像復元のための効率性、スケーラビリティ、長距離モデリングを向上する新しいフレームワークZipIRを紹介する。 ZipIRは画像32xを圧縮する高度に圧縮された潜在表現を使用し、空間トークンの数を効果的に削減する。 ZipIRは既存の拡散ベースの手法を超越し、高度に劣化した入力からの高解像度画像の復元において、未整合の速度と品質を提供する。
  論文  参考訳（メタデータ） (2025-04-11T14:49:52Z)

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。