Tag · 5 篇
真实世界超分辨率
面向可控真实世界图像超分辨率的单步扩散 Transformer
One-Step Diffusion Transformer for Controllable Real-World Image Super-Resolution
把 Qwen-Image 这类大规模扩散 Transformer 改造成单步 Real-ISR 的骨干，用双视觉流（可调噪声 + 一致噪声）在一步内同时保住保真度与提示词可控性，可直接迁移到其他单步复原/翻译式复原任务（去噪、去模糊、老照片修复）并复用其 FAA 训练策略。
IFCSR：面向单步扩散真实世界图像超分辨率的免推理保真度-真实感控制
IFCSR: Inference-Free Fidelity-Realism Control for One-Step Diffusion-based Real-World Image Super-Resolution
把保真度-真实感的可调控制从潜空间搬到图像空间，使一次推理后即可无额外推理地连续调节权衡，可直接复用于其他单步扩散复原任务（去噪、去模糊）的可控性设计。
FinPercep-RM：面向基于强化学习的真实世界超分辨率的细粒度奖励模型与协同进化课程
FinPercep-RM: A Fine-grained Reward Model and Co-evolutionary Curriculum for RL-based Real-world Super-Resolution
提出细粒度感知奖励模型（全局分数+感知退化图）和协同进化课程学习策略，可复用于基于强化学习的图像复原任务中，缓解奖励黑客问题并提升局部真实感。
FiDeSR：高保真且细节保持的单步扩散超分辨率
FiDeSR: High-Fidelity and Detail-Preserving One-Step Diffusion Super-Resolution
单步扩散超分中引入潜变量残差修正与高低频自适应增强器，可在不重训练的前提下调节重建保真度与细节，为少步扩散复原提供可复用的推理期增强思路。
DVAR：面向图像超分的动态视觉自回归建模
DVAR: Dynamic Visual Autoregressive Modeling for Image Super-Resolution
把 VAR 的绝对尺度调度换成与目标尺寸解耦的相对缩放动态，使单一自回归模型可服务任意分辨率超分；其动态采样调度利用码本中视觉 token 的几何邻近性模拟预测误差分布，可迁移到其他自回归生成模型的训练-推理鸿沟缓解。