FinPercep-RM：実世界超解像のための微細粒度報酬モデル

この論文は、画像超解像（ISR）のための強化学習における従来の画像品質評価（IQA）モデルの限界に対処しています。Fine-grained Perceptual Reward Model（FinPercep-RM）とCo-evolutionary Curriculum Learning（CCL）メカニズムを導入することにより、著者は知覚品質とトレーニングの安定性を向上させ、報酬ハッキングを軽減することを目指しています。報酬モデルをトレーニングするための新しいデータセット（FGR-30k）の使用も重要な貢献です。

• •従来のIQAモデルの局所的な歪みに対する鈍感さに対処するために、FinPercep-RMを提案。
• •FinPercep-RMのトレーニング用にFGR-30kデータセットを導入。
• •トレーニングを安定させるために、Co-evolutionary Curriculum Learning（CCL）メカニズムを採用。
• •RLベースのISRにおける知覚品質の向上と報酬ハッキングの軽減に焦点を当てています。