完整搜尋頁面 →

DLCV 09A.2・單步擴散超解析度

電腦視覺深度學習進階14 分鐘更新於 2026年11月6日

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

本頁內容

補充資料 · 2

  1. 潛在起點不等於加雜訊方程式
  2. 分數正規化與逐圖量測一致性

論文導讀 · 8

  1. ResShift:復原條件的短鏈(NeurIPS 2023)
  2. SinSR:蒸餾確定性的影像條件映射(CVPR 2024)
  3. OSEDiff:LR 潛在起點與變分分數正規化(NeurIPS 2024)
  4. S3Diff:退化引導的低秩調適
  5. TSD-SR:目標感知分數正規化(CVPR 2025)
  6. InvSR:學得的影像條件起點(CVPR 2025)
  7. PiSA-SR:分開像素與語意調適(CVPR 2025)
  8. AddSR:預測細化的對抗復原蒸餾

電腦視覺深度學習

  1. 02 · 深度影像分類
  2. 03 · 物件偵測:從 R-CNN 到 DETR
  3. 09 · 深度影像復原:低階視覺
查看完整課程樹 →

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 y=D(x)+ny=\mathcal D(x)+n:xx 是未知高解析度影像,yy 是低解析度觀測,D\mathcal D 是退化算子,nn 是雜訊。真實退化通常未知且可能非線性。條件生成器輸出 x^=Gθ(y)\widehat x=G_\theta(y);若另有隨機輸入 zz,則為 Gθ(y,z)G_\theta(y,z)。

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 A(x)A(x) 對每個 2 × 2 區塊取平均,形成 ×2 降取樣。值為 +a,−a,−a,+a+a,-a,-a,+a 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 AA 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。

平滑 LR 觀測,以及平滑平均、符合隱藏真值的棋盤紋和反向棋盤紋。兩個有紋理候選的區塊平均完全相同。
圖 1 — 符合量測,比正確重建隱藏細節更弱。確定性單步網路和多步取樣器一樣,可能選到錯誤卻清晰的紋理。

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 yy 與 HR 目標 x0x_0 的殘差 e=y−x0e=y-x_0,前向邊際可寫成:

q(xt∣x0,y)=N ⁣(x0+ηt(y−x0),κ2ηtI).q(x_t\mid x_0,y)=\mathcal N\!\left(x_0+\eta_t(y-x_0),\kappa^2\eta_t I\right).

ηt\eta_t 從近零增加到一,κ\kappa 控制雜訊,II 是單位共變異數。yy 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 EθE_\theta、調適去雜訊器 ϵθ\epsilon_\theta、凍結解碼器 DD 與提示擷取器 YY [1]。先把輸入放大至工作解析度,再寫為:

zL=Eθ(y),c=Y(y),z^H=zL−βTϵθ(zL,T,c)αT,x^H=D(z^H).z_L=E_\theta(y),\quad c=Y(y),\quad \widehat z_H=\frac{z_L-\beta_T\epsilon_\theta(z_L,T,c)}{\alpha_T},\quad \widehat x_H=D(\widehat z_H).

zLz_L 是 LR 編碼的潛在向量,cc 是文字條件,TT 是固定擴散時間,αT,βT\alpha_T,\beta_T 沿用原文訊號/雜訊係數。公式沒有向 zLz_L 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 W∈Rm×nW\in\mathbb R^{m\times n},一般 LoRA 為 W′=W+ABW'=W+AB,其中 A∈Rm×rA\in\mathbb R^{m\times r}、B∈Rr×nB\in\mathbb R^{r\times n},rr 是小秩。S3Diff 再加入退化條件中間矩陣:

Wi′=Wi+AiCi(d)Bi.W'_i=W_i+A_iC_i(d)B_i.

ii 表示網路區塊,dd 含估計的模糊/雜訊資訊,Ci(d)∈Rr×rC_i(d)\in\mathbb R^{r\times r} 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:aa 是已量測座標的誤差,bb 是未量測紋理;先驗偏好 (a,b)=(1,1)(a,b)=(1,1),觀測限制 a=0a=0。最小化 a2+λ[(a−1)2+(b−1)2]a^2+\lambda[(a-1)^2+(b-1)^2],在 λ>0\lambda>0 得 a=λ/(1+λ)a=\lambda/(1+\lambda)、b=1b=1。加強先驗也改動已受觀測限制的座標;強制 a=0a=0 可保護它,卻仍不知道紋理真值。

λ\lambda 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」。

座標圖與兩條曲線顯示,加強先驗權重雖更符合先驗,卻可能讓已量測座標偏離觀測;獨立約束可保護該座標,但無法確定隱藏紋理。
圖 2 — 二次示意目標區分量測一致與先驗偏好。這不是基準成績,也不是神經分數蒸餾的精確模型。

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

  1. 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 aa 下,平均的 MSE 為 a2a^2,反向模態為 4a24a^2;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。

  1. 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。

  1. 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。

  1. 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。

  1. 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。

補充資料

2 則補充資料,各自成頁;主線不依賴它們。

打開補充資料 →

論文導讀

8 篇論文導讀,各自成頁。

打開論文導讀 →

參考文獻

  1. R. Wu, L. Sun, Z. Ma, L. Zhang, “One-Step Effective Diffusion Network for Real-World Image Super-Resolution,” NeurIPS, 2024. source
  2. Z. Yue, J. Wang, C. C. Loy, “ResShift: Efficient Diffusion Model for Image Super-resolution by Residual Shifting,” NeurIPS, 2023. source
  3. Y. Wang, W. Yang, X. Chen, et al., “SinSR: Diffusion-Based Image Super-Resolution in a Single Step,” CVPR, 2024. source · supplementary ablations
  4. A. Zhang, Z. Yue, R. Pei, W. Ren, X. Cao, “Degradation-Guided One-Step Image Super-Resolution with Diffusion Priors,” arXiv preprint, 2024. paper
  5. 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
  6. 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
  7. Z. Yue, K. Liao, C. C. Loy, “Arbitrary-steps Image Super-resolution via Diffusion Inversion,” CVPR, 2025. paper
  8. 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
  9. A. Liu, Y. Liu, J. Gu, Y. Qiao, C. Dong, “Blind Image Super-Resolution: A Survey and Beyond,” IEEE TPAMI (early access), 2022. source
  10. 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
  11. 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
  12. 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
  13. 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
  14. A. Sauer, D. Lorenz, A. Blattmann, R. Rombach, “Adversarial Diffusion Distillation,” ECCV, 2024. paper
  15. 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
  16. 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
  17. 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
  18. 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
  19. K. Ding, K. Ma, S. Wang, E. P. Simoncelli, “Image Quality Assessment: Unifying Structure and Texture Similarity,” IEEE TPAMI, 2022. source
  20. 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
  21. J. Ke, Q. Wang, Y. Wang, P. Milanfar, F. Yang, “MUSIQ: Multi-scale Image Quality Transformer,” ICCV, 2021. source
  22. 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
  23. J. Wang, K. C. K. Chan, C. C. Loy, “Exploring CLIP for Assessing the Look and Feel of Images,” AAAI, 2023. source
  24. X. Fan, Z. Wu, H. Wu, L. Cao, “A Survey on Pre-Trained Diffusion Model Distillations,” arXiv preprint, version 2, 2025. paper
  25. Z. Wu, Y. Dong, X. Wei, “TUDSR: Twice Upsampling-Diffusion for Higher Super-Resolution,” CVPR, 2026. paper
  26. P. Esser, R. Rombach, B. Ommer, “Taming Transformers for High-Resolution Image Synthesis,” CVPR, 2021. paper
  27. 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
  28. J. Deng, W. Dong, R. Socher, L. Li, Kai Li, Li Fei-Fei, “ImageNet: A large-scale hierarchical image database,” CVPR, 2009. doi
  29. R. Rombach, A. Blattmann, D. Lorenz, P. Esser, B. Ommer, “High-Resolution Image Synthesis with Latent Diffusion Models,” CVPR, 2022. source
  30. 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
  31. H. Liu, C. Li, Q. Wu, Y. J. Lee, “Visual Instruction Tuning,” NeurIPS, 2023. source
  32. Y. Li, K. Zhang, J. Liang, et al., “LSDIR: A Large Scale Dataset for Image Restoration,” CVPR Workshops, 2023. paper
  33. T. Karras, S. Laine, T. Aila, “A Style-Based Generator Architecture for Generative Adversarial Networks,” CVPR, 2019. paper
  34. I. Loshchilov, F. Hutter, “Decoupled Weight Decay Regularization,” ICLR, 2019. paper
  35. P. Esser, S. Kulal, A. Blattmann, et al., “Scaling Rectified Flow Transformers for High-Resolution Image Synthesis,” ICML, 2024. paper
  36. J. Ho, T. Salimans, “Classifier-Free Diffusion Guidance,” arXiv preprint, 2022. paper
  37. 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