画像超解像のための反復推論時スケーリング

Research Paper#Image Super-Resolution, Diffusion Models, AI🔬 Research|分析: 2026年1月3日 18:42•
公開: 2025年12月29日 15:09
•
1分で読める
•ArXiv

分析

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。
引用・出典
原文を見る
"IAFS effectively resolves the perception-fidelity conflict, yielding consistently improved perceptual detail and structural accuracy, and outperforming existing inference-time scaling methods."
A
ArXiv2025年12月29日 15:09
* 著作権法第32条に基づく適法な引用です。
古い記事

Spin-galvanic response to non-equilibrium spin injection in superconductors with spin-orbit coupling

新しい記事

EEG-based Graph-guided Domain Adaptation for Robust Cross-Session Emotion Recognition

関連分析

Research Paper

SpaceTimePilot：空間と時間の制御による生成ビデオレンダリング

2026年1月3日 06:10

Research Paper

量子カオスハミルトニアン進化におけるランダム性生成

2026年1月3日 06:10

Research Paper

GaMO：幾何学認識拡散を用いた疎視点3D再構成

2026年1月3日 06:32

原文: ArXiv