F2IDiff：特徴から画像への拡散による超解像

Paper#Image Super-Resolution, Diffusion Models, Computer Vision🔬 Research|分析: 2026年1月3日 09:26•
公開: 2025年12月30日 21:37
•
1分で読める
•ArXiv

分析

この論文は、現実世界のシナリオ、特にスマートフォン写真における単一画像超解像（SISR）のためのテキストから画像への拡散モデルの使用における限界に対処しています。幻覚の問題と、より正確な条件付け特徴の必要性を強調しています。主な貢献は、条件付けに低レベルのDINOv2特徴を使用するF2IDiffの導入であり、望ましくないアーティファクトを最小限に抑えながら、SISRのパフォーマンスを向上させることを目指しています。
引用・出典
原文を見る
"The paper introduces an SISR network built on a FM with lower-level feature conditioning, specifically DINOv2 features, which we call a Feature-to-Image Diffusion (F2IDiff) Foundation Model (FM)."
A
ArXiv2025年12月30日 21:37
* 著作権法第32条に基づく適法な引用です。
古い記事

GPT-4 LLM simulates people well enough to replicate social science experiments

新しい記事

Brazil’s AI moment is here

関連分析

Paper

未ポーズ画像からの即時3Dシーン編集

2026年1月3日 06:10

Paper

選択ポリシーを用いた協調型人型ロボット操作

2026年1月3日 06:10

Paper

将来予測のためのLLMフォアキャスティング

2026年1月3日 06:10

原文: ArXiv