DLCV 09A.2・單步擴散超解析度
先備知識:DLCV 09A.1・盲與真實世界影像超解析度、DLCV 12B・單步生成
導覽:本頁與本系列: 導覽:本頁與本系列
你將學到
- 區分依觀測條件化的復原與從雜訊開始的生成。
- 比較復原鏈蒸餾與預訓練先驗調適。
- 追蹤潛在起點、LoRA、提示與分數正規化的作用。
- 區分退化調適、反演與忠實度/細節控制。
- 評估缺失細節的多解性與完整部署成本。
先看全貌
真實低解析度影像已含低頻結構、配置與部分語意。從其潛在表示開始,可避免花許多取樣步重建已有結構;模型仍須去除損傷、補足細節。方法可以是學得的單步映射、蒸餾的影像條件流,或以重建與分布目標調整預訓練先驗。
先讀 DLCV 09A:非盲影像超解析度 理解反問題,再讀 DLCV 09A.1:盲與真實世界超解析度 理解退化合成與評估。DLCV 12B:單步生成 說明端點蒸餾、一致性及分數分布匹配。本章加入特定觀測的限制:外觀合理之外,還須關心內容保真。
第一次先看家族表、量測歧義實驗及 OSEDiff 概覽。完整訓練與控制比較放在選讀論文頁。選擇取決於損傷、可接受的虛構細節及完整部署預算,沒有對每張圖都最佳的方法。
單步超解析度必須做到什麼
白話說。 輸入提供起點,卻未揭露終點的每個細節。復原器要利用證據,也要承認未觀測細節有歧義。
觀測寫為 : 是未知高解析度影像, 是低解析度觀測, 是退化算子, 是雜訊。真實退化通常未知且可能非線性。條件生成器輸出 ;若另有隨機輸入 ,則為 。
確定性模型可以每次輸出相同圖,仍然補出錯誤細節;隨機模型能產生多個合理答案,也不知道哪個才是真正拍下的原圖。兩者都不自動保真。觀測限制一部分內容,先驗則為剩餘部分提供偏好。
精確的歧義實驗
令 對每個 2 × 2 區塊取平均,形成 ×2 降取樣。值為 的棋盤紋在區塊內總和為零,因此加上或減掉它都不改變 LR 觀測。這種紋理位於 的零空間。
以下合成平滑 LR 圖及正反兩種 HR 紋理,比較條件平均與合理模態。此處刻意已知量測模型;真實照片還須估計退化,檢查一致性更難。
程式碼 · Python · 15 行
import numpy as np
row, col = np.mgrid[:32, :32]
lr = 0.5 + 0.12*np.sin(2*np.pi*col/16) + 0.08*np.cos(2*np.pi*row/13)
base = lr.repeat(2, 0).repeat(2, 1)
i, j = np.indices(base.shape)
texture = 0.12*(-1.)**(i+j) # zero mean in every 2x2 block
truth = base + texture
candidates = {'conditional mean': base, 'matching mode': base+texture, 'opposite mode': base-texture}
def measure(x):
return x.reshape(32,2,32,2).mean((1,3))
for name, x in candidates.items():
mse = np.mean((x-truth)**2)
discrepancy = np.max(np.abs(measure(x)-lr))
print(f'{name:16s} MSE {mse:.4f} | LR discrepancy {discrepancy:.1e}')輸出
conditional mean MSE 0.0144 | LR discrepancy 0.0e+00
matching mode MSE 0.0000 | LR discrepancy 5.6e-17
opposite mode MSE 0.0576 | LR discrepancy 5.6e-17實際結果顯示所有候選都在浮點誤差內重現 LR;但相對選定真值,反向清晰模態的平方誤差是條件平均的四倍。若隱藏正負紋理等機率,條件平均最小化期望平方誤差;抽取合理模態不保證抽中原圖。加速無法識別從未量測的位元。

哪些工作從推論移到訓練
多步復原反覆呼叫去雜訊網路;單步模型須學較大的影像條件轉換,可能使用調適、教師取樣、判別器或分數正規化。部署呼叫減少,仍可能換來昂貴的訓練機制,應兩邊一起報告。
預訓練文字生成去雜訊器,不會自動把 LR 潛在向量視為合法高雜訊輸入。OSEDiff [1] 明確調適這種影像到影像用法;擴散網路提供預訓練參數化,並不證明輸入符合原前向加雜訊分布。
短鏈與單步超解析度的地圖
白話說。 有些縮短復原專用鏈,有些調整大型先驗,有些學起點或提供分離控制。先辨識改的是哪個元件,再比較方法名稱。
| 家族 | 起點 | 主要訓練訊號 | 方法例子 | 應檢查什麼 |
|---|---|---|---|---|
| 殘差位移鏈 | 以 LR 為中心的含雜訊狀態 | 影像條件擴散重建 | ResShift [2] | 排程、步數、訓練領域 |
| 條件端點蒸餾 | LR 加初始擾動 | 教師端點、反向與真值循環 | SinSR [3] | 教師程序與學生實際映射 |
| 預訓練先驗調適 | LR 潛在向量 | 配對重建與潛在分數正規化 | OSEDiff [1] | 編解碼調適、提示成本與分數追蹤 |
| 退化感知調適 | LR 潛在向量加退化估計 | 重建、感知與對抗損失 | S3Diff [4] | 退化估計器與引導評估次數 |
| 對抗蒸餾 | 影像條件短取樣器 | 教師與判別器 | AddSR [5] | 訓練版本及推論預算 |
| 目標感知分數 | LR 條件學生 | 配對目標分數與分布感知狀態 | TSD-SR [6] | HR 目標如何進入訓練 |
| 學得起點/反演 | 預測的影像條件吵狀態 | 預訓練反向程序後的損失 | InvSR [7] | 起點預測器與總呼叫數 |
| 分離增強控制 | LR 潛在向量 | 像素與語意 LoRA 目標 | PiSA-SR [8] | 調整哪些權重、保真是否單調改變 |
這是功能地圖,分類可以重疊;預訓練生成器、學得起點及對抗目標可同時出現。某方法支援多種預算時,四步成績仍須標四步。
盲超解析度及擴散超解析度綜述 [9]、[10] 提供更廣的分類。退化假設依然重要;快速推論不會讓某種合成退化訓練,自動適用所有相機、壓縮或歷史照片。
以觀測為中心的短鏈
白話說。 讓高解析度影像逐漸移向低解析度觀測而非純雜訊,使反向程序從已觀測結構附近開始。
ResShift [2] 定義放大後 LR 與 HR 目標 的殘差 ,前向邊際可寫成:
從近零增加到一, 控制雜訊, 是單位共變異數。 已放大,或兩張圖已編碼至相容網格,所以維度一致。最後狀態近似以 LR 為中心的高斯雜訊,再反向補回細節。
網路從吵狀態、觀測及時間預測 HR,因此訓練的是復原條件程序。原潛在實作使用自動編碼器和短鏈;這不同於凍結文字生成先驗再加控制器。容量、資料與表示都不同,不能把跨方法分數差只歸因於鏈長。
SinSR [3] 把 ResShift 的反向程序改為確定性,再蒸餾端點為一次學生預測,並訓練反向映射與真值循環。它不是保持目標不變、只讓 ResShift 跑一次。
確定性教師為每組 LR 中心的隨機起點指定終點,使端點迴歸明確,隨機起點仍可選擇不同結果。真值一致性另提供超越模仿教師的配對訊號。同一網路兼做反向/復原是訓練設計,推論只需復原方向。
選讀:ResShift、SinSR(見「論文導讀」)。前向模型、確定性係數、三項訓練損失與對應實驗。
從 LR 潛在向量開始:OSEDiff
白話說。 OSEDiff 用一次網路呼叫,把輸入表示轉成高解析度潛在表示;另以訓練正規化鼓勵自然輸出。
部署時的路徑
模型含調適影像編碼器 、調適去雜訊器 、凍結解碼器 與提示擷取器 [1]。先把輸入放大至工作解析度,再寫為:
是 LR 編碼的潛在向量, 是文字條件, 是固定擴散時間, 沿用原文訊號/雜訊係數。公式沒有向 新增高斯雜訊;它是特定時間下學得的影像轉換,並不假設退化潛在向量真的來自原高雜訊前向分布。
LoRA [11] 對編碼器與去雜訊器加入低秩更新。凍結解碼器維持預訓練潛在空間的輸出意義。少量可訓練參數只代表調適大小,不是整個模型的參數或記憶體成本。
配對保真與學得的先驗
OSEDiff 結合像素 MSE、LPIPS 配對重建與變分分數蒸餾(VSD)[12]、[13]。前兩者對照 HR 訓練目標;分數項則用固定先驗去雜訊器和追蹤生成樣本的第二個去雜訊器,比較生成潛在分布。
這是 DLCV 12B 分布匹配的復原版本,沒有直接計算未知真實退化的似然。合成配對教模型保留內容,先驗教自然外觀,兩者都可能不適合某張分布外影像。
為什麼在潛在空間正規化
像素空間先驗梯度可能反覆解碼、再編碼生成影像。OSEDiff 直接作用於預測潛在向量,近似這段往返以節省成本;它仰賴自動編碼器表示足夠一致,不是任意潛在向量都成立的精確恆等式。
輔助正規化網路只在訓練使用。部署仍含影像編碼、提示擷取、一次去雜訊及解碼。計時要明示包含哪些步驟;改用大型描述模型,可能吃掉原本單次去雜訊省下的時間。
選讀:OSEDiff(見「論文導讀」)。完整元件、潛在梯度、資料、分數表、編解碼消融、提示成本與 LoRA 秩。
依損傷調整模型
白話說。 輕微模糊與強烈雜訊不適合完全相同的修正。S3Diff [4] 依退化估計調整低秩參數。
對 ,一般 LoRA 為 ,其中 、, 是小秩。S3Diff 再加入退化條件中間矩陣:
表示網路區塊, 含估計的模糊/雜訊資訊, 調制更新。共用映射結合退化嵌入與區塊識別碼,產生區塊別修正,使不同影像使用不同有效權重。
退化向量只是估計,不是相機管線的完整知識;壓縮或空間變化未被描述時,修正也可能錯誤。輸入相依更新也不同於可一次合併的靜態 LoRA,仍需輸入相依計算。
S3Diff 使用通用正/負品質提示與線上負目標,不必逐圖產生語意描述。引導可結合不同條件預測;若某設定做兩次去雜訊,即使只有一次狀態更新,NFE 也應計兩次。
選讀:S3Diff(見「論文導讀」)。動態矩陣、區塊嵌入、線上負提示與調適取捨。
改善短復原映射的其他方法
白話說。 鏈縮短後,條件、目標與起點的誤差更顯著。近期方法改變不同元件,不只是繼續減少步數。
對抗復原蒸餾
AddSR [5]、[14] 將對抗擴散蒸餾用於影像條件復原:教師提供復原知識,判別器推動寫實輸出。它結合條件與蒸餾,並非把文字生成器直接套在放大輸入上。
對抗項能補出可信外觀,卻不保證細節正確。比較時保留教師、條件、版本與推論步數,不把最佳少步結果改標為單步。
目標感知分數與訓練狀態
TSD-SR [6] 指出,學生早期品質差時,預訓練教師可能給不可靠方向。它以配對 HR 潛在向量建構目標分數,並用分布感知抽樣產生更接近調適軌跡的訓練狀態。
配對真值只在訓練可用。比較教師對生成與真值潛在向量的預測,加入不同於學生/教師分數差的方向;這不證明已消除所有教師偏差。抽樣模組即使部署可移除,仍有訓練成本。
學習反向程序的起點
InvSR [7] 學影像條件的雜訊/起點預測器,再從該處執行預訓練反向程序。預測「雜訊」不必是獨立標準高斯,可以與觀測相關,補償以 LR 取代未知乾淨圖的誤差。
這不同於任意現成照片反演;起點模型專為復原訓練,損失作用於選定反向程序後。它可支援多種步數,但起點預測器本身也是一次網路執行,所以一個反向步不一定等於總共一次評估。
分開像素與語意增強
PiSA-SR [8] 先訓練像素重建的低秩更新,再固定它訓練語意/感知更新。預設把兩組結合、做一次預測;可調版本則分別計算像素與語意輸出,需兩次擴散評估,再調殘差權重。
可調版必須與預設單次版分開計數。控制只是改變模型行為,不是把每個像素物理拆成真實/虛構通道,也不保證指標單調。其分類器分數蒸餾不維護 OSEDiff 相同的生成分布分數模型,因此同時改變訓練機制與統計目標,不是完全等價的 VSD 捷徑。
選讀:TSD-SR、InvSR、PiSA-SR(見「論文導讀」)。各項設計、實驗證據與限制。
保真、寫實與控制
白話說。 符合自然影像先驗,不等於符合觀測。保真項與寫實項可能往不同方向拉。
以二次問題示意: 是已量測座標的誤差, 是未量測紋理;先驗偏好 ,觀測限制 。最小化 ,在 得 、。加強先驗也改動已受觀測限制的座標;強制 可保護它,卻仍不知道紋理真值。
只是示意權重,不是任何引用模型的實測超參數。神經復原器的座標無法如此乾淨分開,退化通常未知,損失也在資料集訓練,而非逐圖精確求解。這解釋了「更寫實」不等於「更保真」。

控制可能是訓練先驗權重、推論殘差強度、引導、退化估計或起始雜訊,彼此不可互換。改訓練權重通常要重訓;改推論係數只改同一模型;換模型還可能換資料與目標。應明示比較改動了什麼。
文字、人臉及重複結構尤其要檢查離散內容:字母、身分線索、磚塊數或邊界。可重複有助比較,卻不證明正確。保留原始輸入,將生成細節視為假設,不能當成新增量測。
如實衡量速度與品質
白話說。 計算使用者真正等待的所有工作,把品質規則和計時列綁在一起。小調適檔或一次擴散更新,不是完整速度測量。
應計時的完整管線
常見流程含縮放、編碼、退化估計、提示擷取、生成/去雜訊、解碼及後處理,也可能分塊。記錄輸入與輸出解析度、裝置、精度、批次、暖機、同步及文字快取。
OSEDiff 表 2 在 A100、明示 512 × 512 輸入測試報告 0.11 秒,提示擷取研究另列成本 [1]。別假定與其他 128 放大至 512 的測試有相同計時邊界;若提示是否包含不明,應另報。大圖分塊編解碼可能占相當成本。
區分可訓練參數、總參數、推論峰值記憶體及調適檔大小。LoRA 縮小第一與最後兩者,不會等比例縮小凍結骨幹。動態更新、提示和反演各有工作;靜態合併也不會消除骨幹矩陣運算。
品質評估規則
配對合成/實拍資料使用全參考保真與感知指標;未配對真實圖則使用無參考評估及檢視 [15]、[16]、[17]。PSNR、SSIM 比較參考一致性;LPIPS、DISTS 比較感知表示 [18]、[12]、[19]。NIQE、MUSIQ、MANIQA、CLIPIQA [20]、[21]、[22]、[23] 不需 HR,卻不能驗證原場景。
固定通道、裁邊、縮放、對齊及種子。新增紋理可能提高無參考分數卻降低保真;實拍錯位影響像素指標,合成退化也可能偏袒相同訓練分布。詳細限制見 DLCV 09A.1。
隨機模型要報種子變異,不能只挑好看輸出;確定性模型要跨影像與損傷測試。小字、人臉、平坦區與規則網格應分別檢查,平均成績可能掩蓋不同錯誤。
現代觀點
白話說。 短推論暴露了多種不同問題:選起點、保留觀測、估計可靠先驗方向,以及提供易懂控制。
Liu 等人的盲超解析度綜述 [9] 區分顯式退化、隱式資料分布及單圖資訊;Moser 等人的擴散超解析度綜述 [10] 依領域、條件與生成程序整理保真/成本取捨。Fan 等人的蒸餾綜述 [24] 則區分端點保真、軌跡與對抗監督。
2023–2025 年的方法不是單一替代鏈:ResShift 改程序,SinSR 蒸餾端點,OSEDiff 調適先驗,S3Diff 依退化調適,TSD-SR 改分數與狀態,InvSR 學起點,PiSA-SR 分開控制 [2]、[3]、[1]、[4]、[6]、[7]、[8]。瓶頸、骨幹與基準分布皆不同。
2026 年 TUDSR [25] 以兩次放大/擴散設計處理較大倍率,顯示短擴散元件如何放進完整系統。多階段仍須分別計數,不能宣稱整體一次操作;新倍率和架構也要重測保真與成本。
開放問題包括未知退化、文字與身分保留、劣質樣本上的分數、真實領域泛化、大圖分塊及易懂控制。介面應提供有意義的視覺選擇及原圖比較,不能暗示「增加細節」會找回未量測資訊。
重點整理
- 由觀測建立的起點,須配合預期影像轉換任務訓練才能有效省工。
- 單步推論描述計算預算,各方法仍可使用不同訓練目標。
- ResShift/SinSR 壓縮復原程序;OSEDiff 調適預訓練先驗。
- 潛在編碼、提示、解碼器選擇與輔助訓練各有不同作用及成本。
- 確定性與低解析度一致性都無法證明缺失細節正確。
- 量測完整流程,並比較忠實度、偏好、語意正確性與變異。
練習
- 零空間歧義。 改變棋盤紋振幅,推導條件平均與相反紋理的平方誤差,並確認 LR 不變。
提示
振幅 下,平均的 MSE 為 ,反向模態為 ;每個 2 × 2 紋理和為零。振幅須夠小,避免裁切改變量測方程式。
- 錯誤的一致性檢查。 改以輕微模糊再縮放,候選 HR 不變。舊區塊平均相同,是否保證新 LR 相同?這對估計退化下的一致性有何啟示?
提示
零空間取決於算子。某降取樣消去的紋理,另一個未必消去。猜測算子下的一致,只是以該假設為條件的證據。
- 訓練與推論網路。 畫出 OSEDiff,標記編碼器、去雜訊器、解碼器、提示、固定正規化器及調適正規化器。哪些接收生成器梯度,哪些部署會執行?
提示
生成器的調適編碼器/去雜訊器由重建與先驗更新;解碼器固定,調適正規化器有自己的去雜訊目標。兩個正規化器部署移除;除非另供提示或更改設定,提示擷取器仍保留。
- 計算引導。 一次更新分別評估正/負提示,另執行退化估計與 VAE 編解碼。哪些能稱一步?時間報告須計什麼?
提示
狀態更新一次、去雜訊兩次。完整時間包含退化估計及編解碼,並明示合批慣例。快取文字嵌入能省文字編碼,不能省兩次去雜訊預測。
- 有意義的控制。 以平坦天空、小字及重複窗戶設計「增加細節」比較,提出保真檢查、視覺品質檢查及平均無參考分數會漏掉的失敗。
提示
固定輸入及裁切,比較字母、窗緣與新增天空紋理。記錄品質分數,但不把它視為真值;彙總分數改善可能同時改錯離散字元。
參考文獻
- R. Wu, L. Sun, Z. Ma, L. Zhang, “One-Step Effective Diffusion Network for Real-World Image Super-Resolution,” NeurIPS, 2024. source
- Z. Yue, J. Wang, C. C. Loy, “ResShift: Efficient Diffusion Model for Image Super-resolution by Residual Shifting,” NeurIPS, 2023. source
- Y. Wang, W. Yang, X. Chen, et al., “SinSR: Diffusion-Based Image Super-Resolution in a Single Step,” CVPR, 2024. source · supplementary ablations
- A. Zhang, Z. Yue, R. Pei, W. Ren, X. Cao, “Degradation-Guided One-Step Image Super-Resolution with Diffusion Priors,” arXiv preprint, 2024. paper
- Y. Tai, R. Xie, C. Zhao, K. Zhang, Z. Zhang, J. Zhou, J. Yang, “AddSR: Accelerating diffusion-based blind super-resolution with adversarial diffusion distillation,” Pattern Recognition, 2026. published version · manuscript supplying the discussed tables
- L. Dong, Q. Fan, Y. Guo, Z. Wang, Q. Zhang, J. Chen, Y. Luo, C. Zou, “TSD-SR: One-Step Diffusion with Target Score Distillation for Real-World Image Super-Resolution,” CVPR, 2025. paper
- Z. Yue, K. Liao, C. C. Loy, “Arbitrary-steps Image Super-resolution via Diffusion Inversion,” CVPR, 2025. paper
- L. Sun, R. Wu, Z. Ma, S. Liu, Q. Yi, L. Zhang, “Pixel-level and Semantic-level Adjustable Super-resolution: A Dual-LoRA Approach,” CVPR, 2025. paper
- A. Liu, Y. Liu, J. Gu, Y. Qiao, C. Dong, “Blind Image Super-Resolution: A Survey and Beyond,” IEEE TPAMI (early access), 2022. source
- B. B. Moser, A. S. Shanbhag, F. Raue, S. Frolov, S. Palacio and A. Dengel, “Diffusion Models, Image Super-Resolution, and Everything: A Survey,” IEEE Transactions on Neural Networks and Learning Systems, vol. 36, no. 7, pp. 11793–11813, 2025. doi · arXiv
- E. J. Hu, Y. Shen, P. Wallis, Z. Allen-Zhu, Y. Li, S. Wang, L. Wang, W. Chen, “LoRA: Low-Rank Adaptation of Large Language Models,” ICLR, 2022. source
- R. Zhang, P. Isola, A. A. Efros, E. Shechtman and O. Wang, “The Unreasonable Effectiveness of Deep Features as a Perceptual Metric,” in Proc. IEEE/CVF CVPR, 2018, pp. 586–595. doi · arXiv
- Z. Wang, C. Lu, Y. Wang, F. Bao, C. Li, H. Su, J. Zhu, “ProlificDreamer: High-Fidelity and Diverse Text-to-3D Generation with Variational Score Distillation,” NeurIPS, 2023. paper
- A. Sauer, D. Lorenz, A. Blattmann, R. Rombach, “Adversarial Diffusion Distillation,” ECCV, 2024. paper
- J. Cai, H. Zeng, H. Yong, Z. Cao, L. Zhang, “Toward Real-World Single Image Super-Resolution: A New Benchmark and a New Model,” Proceedings of the IEEE/CVF International Conference on Computer Vision, 2019. source
- P. Wei, Z. Xie, H. Lu, Z. Zhan, Q. Ye, W. Zuo, L. Lin, “Component Divide-and-Conquer for Real-World Image Super-Resolution,” ECCV, 2020. source
- E. Agustsson and R. Timofte, “NTIRE 2017 Challenge on Single Image Super-Resolution: Dataset and Study,” in Proc. IEEE CVPR Workshops, 2017, pp. 1122–1131. doi · CVF
- Z. Wang, A. C. Bovik, H. R. Sheikh and E. P. Simoncelli, “Image Quality Assessment: From Error Visibility to Structural Similarity,” IEEE Transactions on Image Processing, vol. 13, no. 4, pp. 600–612, 2004. doi
- K. Ding, K. Ma, S. Wang, E. P. Simoncelli, “Image Quality Assessment: Unifying Structure and Texture Similarity,” IEEE TPAMI, 2022. source
- A. Mittal, R. Soundararajan and A. C. Bovik, “Making a “Completely Blind” Image Quality Analyzer,” IEEE Signal Processing Letters, vol. 20, no. 3, pp. 209–212, 2013. doi
- J. Ke, Q. Wang, Y. Wang, P. Milanfar, F. Yang, “MUSIQ: Multi-scale Image Quality Transformer,” ICCV, 2021. source
- S. Yang, T. Wu, S. Shi, S. Lao, Y. Gong, M. Cao, J. Wang, Y. Yang, “MANIQA: Multi-dimension Attention Network for No-Reference Image Quality Assessment,” CVPR Workshops, 2022. source
- J. Wang, K. C. K. Chan, C. C. Loy, “Exploring CLIP for Assessing the Look and Feel of Images,” AAAI, 2023. source
- X. Fan, Z. Wu, H. Wu, L. Cao, “A Survey on Pre-Trained Diffusion Model Distillations,” arXiv preprint, version 2, 2025. paper
- Z. Wu, Y. Dong, X. Wei, “TUDSR: Twice Upsampling-Diffusion for Higher Super-Resolution,” CVPR, 2026. paper
- P. Esser, R. Rombach, B. Ommer, “Taming Transformers for High-Resolution Image Synthesis,” CVPR, 2021. paper
- X. Wang, L. Xie, C. Dong, Y. Shan, “Real-ESRGAN: Training Real-World Blind Super-Resolution With Pure Synthetic Data,” Proceedings of the IEEE/CVF International Conference on Computer Vision, 2021. source
- J. Deng, W. Dong, R. Socher, L. Li, Kai Li, Li Fei-Fei, “ImageNet: A large-scale hierarchical image database,” CVPR, 2009. doi
- R. Rombach, A. Blattmann, D. Lorenz, P. Esser, B. Ommer, “High-Resolution Image Synthesis with Latent Diffusion Models,” CVPR, 2022. source
- R. Wu, T. Yang, L. Sun, Z. Zhang, S. Li, L. Zhang, “SeeSR: Towards Semantics-Aware Real-World Image Super-Resolution,” Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2024. source · supplementary experiments
- H. Liu, C. Li, Q. Wu, Y. J. Lee, “Visual Instruction Tuning,” NeurIPS, 2023. source
- Y. Li, K. Zhang, J. Liang, et al., “LSDIR: A Large Scale Dataset for Image Restoration,” CVPR Workshops, 2023. paper
- T. Karras, S. Laine, T. Aila, “A Style-Based Generator Architecture for Generative Adversarial Networks,” CVPR, 2019. paper
- I. Loshchilov, F. Hutter, “Decoupled Weight Decay Regularization,” ICLR, 2019. paper
- P. Esser, S. Kulal, A. Blattmann, et al., “Scaling Rectified Flow Transformers for High-Resolution Image Synthesis,” ICML, 2024. paper
- J. Ho, T. Salimans, “Classifier-Free Diffusion Guidance,” arXiv preprint, 2022. paper
- R. Timofte, E. Agustsson, L. Van Gool, M.-H. Yang, L. Zhang et al., “NTIRE 2017 Challenge on Single Image Super-Resolution: Methods and Results,” in Proc. IEEE CVPR Workshops, 2017, pp. 1110–1121. doi · CVF
檢查理解
本篇有 5 題練習。不看提示,你能解出來嗎?
前往練習 ↑下一篇 DLCV 09A.3・影片超解析度:用時間找回細節 · 34 分鐘