画像超解像のための反復推論時スケーリング

この論文は、拡散モデルを用いた画像超解像において、知覚品質と構造的忠実度のバランスを取るという課題に取り組んでいます。反復的な画像洗練と周波数情報を適応的に融合する、新しいトレーニング不要のフレームワークIAFSを提案しています。主な貢献は、詳細と構造的正確さの両方を改善し、既存の推論時スケーリング方法を上回る方法です。

• •画像超解像のためのトレーニング不要のフレームワークIAFSを提案。
• •IAFSは反復的な洗練と周波数認識粒子融合を使用。
• •知覚品質と構造的忠実度のトレードオフに対処。
• •既存の推論時スケーリング方法を上回る。