論文の概要: Progressive Multi-Scale Super-Resolution via Cascaded Bicubic Anchors and Inter-Scale Mutual Refinement
- arxiv url: http://arxiv.org/abs/2611.03390v1
- Date: Mon, 02 Nov 2026 16:28:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 04:49:41.755016
- Title: Progressive Multi-Scale Super-Resolution via Cascaded Bicubic Anchors and Inter-Scale Mutual Refinement
- Title（参考訳）: カスケードバイコビックアンカーによるマルチスケール超解像の進展と相互微細化
- Abstract要約: PMS-SRはプログレッシブ・シングルインプット・マルチアウトプット・ネットワークである。
x2, x4, x8は1つの前方通過をもたらす。
- 参考スコア（独自算出の注目度）: 0.5219568203653523
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Super-resolution networks are trained for one magnification factor, so several output resolutions require several models. We propose PMS-SR, a progressive single-input multiple-output network that produces x2, x4, and x8 results in one forward pass, with a Transformer backbone on the low-resolution grid. In Stage 1, each scale is predicted as a residual over the detached bicubic upsampling of the previous scale's prediction. With Dirac and zero initialization, training starts exactly from the bicubic cascade, and each head adds only the band the previous scale lacks. In Stage 2, inter-scale mutual refinement couples the scales in both directions through space-to-depth feedback, deformable alignment, and per-pixel fusion, so x8 features refine the x2 output. Trained on DF2K, the 7.95M-parameter model achieves a higher PSNR than every compared multi-scale method at x4 and x8 on all five standard benchmarks. At x8, it outperforms the x8-specific DRN-L on all of them, leads all compared methods on Urban100, and is within 0.13 dB of the best result elsewhere. Against three single-scale SwinIR-M models, PMS-SR uses 22% of the parameters, runs 2.9x faster on BSD100 inputs, and its outputs agree 6.7-12.4 dB more closely. Code and pretrained models will be released at https://github.com/julian135707/PMS-SR upon acceptance.
- Abstract（参考訳）: 超解像ネットワークは1つの倍率係数のために訓練されるため、いくつかの出力分解能は複数のモデルを必要とする。
低解像度グリッド上にトランスフォーマーバックボーンを配置し,x2,x4,x8を生成するプログレッシブ・シングルインプット・マルチアウトプット・ネットワークであるPMS-SRを提案する。
ステージ1では、各スケールは、以前のスケールの予測の分離されたバイコビックアップサンプリングの残差として予測される。
ディラックとゼロの初期化では、トレーニングはバイコビックカスケードから始まり、各ヘッドは前のスケールに欠けているバンドのみを追加する。
ステージ2では、スケール間の相互洗練は、空間から深度へのフィードバック、変形可能なアライメント、ピクセル単位の融合を通じて、両方の方向のスケールを結合するので、x8 は x2 出力を洗練させる。
DF2Kで訓練された7.95Mパラメータモデルは、5つの標準ベンチマークでx4とx8で比較されたすべてのマルチスケールメソッドよりも高いPSNRを達成する。
x8 では x8 固有の DRN-L よりも優れており、Urban 100 のすべての比較手法を導いており、他の場所での最良の結果の 0.13 dB 以内である。
3つのシングルスケールのSwinIR-Mモデルに対して、PMS-SRはパラメータの22%を使用し、BSD100入力で2.9倍高速に動作し、出力は6.7-12.4dBとより密接に一致する。
コードと事前訓練されたモデルは、受け入れ次第https://github.com/julian135707/PMS-SRでリリースされる。
関連論文リスト
- Chimera: Designing and Chinchilla-Scaling Hybrid Visual Diffusion Transformers [54.01042826416009]
ビジュアル生成には高解像度の画像、長いビデオ、マルチモーダルコンテキストが必要である。
原理的なスケーリングレシピを備えたハイブリッドビジュアル拡散バックボーンであるChimeraを紹介した。
密度の高いバックボーンは、一致したフルアテンションWan2.1 2Bベースラインの1.7倍の計算効率を示す。
論文 参考訳（メタデータ） (2026-07-30T17:58:02Z) - RDQ: Residual Distribution Quantization for Large Language Models [3.7323766833175718]
大規模言語モデルの学習後の量子化は、4ビット精度以下で急激に低下する。
本稿では、カスケード誤差補償を中心とするPTQフレームワークRDQ(Residual Distribution Quantization)を提案する。
全ての出力は標準グループ-128非対称量子化であり、Qualcomm AIMET、GGUF、およびランタイムオーバーヘッドゼロの標準推論スタックにデプロイ可能である。
論文 参考訳（メタデータ） (2026-07-11T05:54:00Z) - Hidden Decoding at Scale: Latent Computation Scaling for Large Language Models [75.80275843320511]
トランスフォーマーのバックボーンを固定したまま、各トークンにより多くの計算を割り当てることで、既存のバックボーンが改善を続けることができるかどうかを検討する。
継続事前学習中に適用されたシーケンス長スケーリング手法であるHidden Decodingを提案する。
論文 参考訳（メタデータ） (2026-07-09T07:37:59Z) - Variable Bit-width Quantization: Learning Per-Group Precision for "Bigger-but-Smaller" Language Models [0.0]
可変ビット幅量子化(VBQ)を導入する。
64重みの連続した群が1,2,4,8ビットから独自の分解能を学習する訓練時間法である。
バイト単位の品質では、VBQはFP16よりも3.9-8.4倍効率が高い。
論文 参考訳（メタデータ） (2026-07-03T02:42:04Z) - Scaling Parallel Sequence Models to Foundation-Scale Vision Encoders [123.58723804218151]
ビジョンファウンデーションモデルは、自己注意の二次的なコストによってボトルネックとなる。
2次元空間伝搬伝搬に基づくC-GSPNを提案する。
論文 参考訳（メタデータ） (2026-05-30T14:29:43Z) - Zoom Consistency: A Free Confidence Signal in Multi-Step Visual Grounding Pipelines [0.880899367147235]
マルチステップズームインパイプラインはGUIグラウンディングに広く利用されている。
中間出力は、無償で有用な信頼信号: ズーム一貫性を含む。
理想化条件下でのステップ1空間誤差の線形推定器であることを示す。
論文 参考訳（メタデータ） (2026-04-15T20:47:08Z) - Scaling DoRA: High-Rank Adaptation via Factored Norms and Fused Kernels [83.99688944263843]
DoRA(Weight-De Low-Rank Adaptation)は、LoRAを方向から分離することで拡張する。
d_in = 8192 とランク r = 384 では、単一のモジュールのノルムは bf16 で512MB の過渡的なワーキングメモリを必要とする。
因子ノルムは、二乗ノルムを O(d_out r + r2) 中間体を通して計算可能な基底、交差、およびグラマー項に分解し、密積を除去する。
論文 参考訳（メタデータ） (2026-03-23T17:57:24Z) - CAFlow: Adaptive-Depth Single-Step Flow Matching for Efficient Histopathology Super-Resolution [0.0]
全スライディング画像は、通常、ギガピクセルの解像度を超えるため、計算集約的な生成超解像は、日常的な展開には不実用である。
適応的な1ステップフローマッチングフレームワークであるCAFlowを導入し,各画像タイルを最も浅いネットワーク出口にルーティングする。
多臓器の病理組織学的 x4 SR では、適応的ルーティングは完全な深さで 31.72 dB PSNR と 31.84 dB を達成し、最も浅い出口は SwinIR-light よりも2.8倍少ない計算で +1.9 dB を超える。
論文 参考訳（メタデータ） (2026-03-19T05:45:58Z) - S*: Test Time Scaling for Code Generation [55.11863577956177]
コード生成のための最初のハイブリッドテストタイムスケーリングフレームワークであるS*を提案する。
S*は生成されたコードのカバレッジと選択精度を大幅に改善する。
論文 参考訳（メタデータ） (2025-02-20T09:18:53Z) - 8-bit Optimizers via Block-wise Quantization [57.25800395197516]
ステートフルズは、例えば過去の値の指数的滑らかな和(運動量付きSGD)や2乗和(アダム)など、時間の経過とともに統計を維持している。
この状態は、通常の勾配降下よりも最適化を加速するために使用することができるが、そうでなければモデルパラメータに割り当てられる可能性のあるメモリを使用する。
本稿では,32ビットの勾配状態を用いた場合の性能レベルを維持しながら,8ビット統計を用いた第1次勾配法を開発する。
論文 参考訳（メタデータ） (2021-10-06T15:43:20Z)
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。