用于图像超分辨率的迭代推理时缩放

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

分析

本文解决了使用扩散模型进行图像超分辨率时，如何在感知质量和结构保真度之间取得平衡的难题。它提出了一种新的无需训练的框架IAFS，该框架通过迭代细化图像并自适应地融合频率信息来实现。主要贡献在于提出了一种改进细节和结构准确性的方法，优于现有的推理时缩放方法。
引用 / 来源
查看原文
"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
* 根据版权法第32条进行合法引用。
较旧

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

较新

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

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv