噪声着色：对抗性Sobolev对齐实现忠实图像超分辨率

Hugging Face Daily Papers 论文
image-super-resolution adversarial sobolev-alignment faithfulness computer-vision deep-learning

摘要

本文提出了一种对抗性Sobolev对齐方法，用于忠实图像超分辨率，旨在减少伪影并提高保真度。

图像超分辨率（SR）中的生成先验常常损害忠实重建，我们将这一限制归因于各向同性目标与内在自然图像流形之间的基本频谱错配。尽管直接偏好优化提供了一条对齐路径，但它依赖于频谱平坦的高斯噪声，无法区分真实高频细节与幻觉。为了弥合这一几何差距，我们提出了ASASR，这是一个有理论基础的框架，通过显式地对噪声转移核进行着色以模拟自然频谱衰减，将生成流重构为Sobolev诱导的黎曼几何。驱动这一几何对齐，我们集成了一个基于Riesz表示定理的参数化对抗器，该对抗器合成等效于最坏情况Sobolev梯度的目标负样本，以引导优化沿可能结构失效的切空间进行。大量评估表明，ASASR优于领先的生成基线，特别是在保持频谱一致性和结构保真度方面，提供了一种有效减轻伪影的鲁棒解决方案。
查看原文
查看缓存全文

缓存时间: 2026/05/26 10:43

论文页面 - 为噪声着色：面向忠实图像超分辨的对抗性Sobolev对齐

来源：https://huggingface.co/papers/2605.23264
在您的agent中获取此论文：

hf papers read 2605\.23264

没有最新CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接此论文

请在模型 README.md 中引用 arxiv.org/abs/2605.23264，以便在此页面中建立链接。

引用此论文的数据集0

没有数据集链接此论文

请在数据集 README.md 中引用 arxiv.org/abs/2605.23264，以便在此页面中建立链接。

引用此论文的Space0

没有Space链接此论文

请在Space README.md 中引用 arxiv.org/abs/2605.23264，以便在此页面中建立链接。

包含此论文的收藏集0

没有收藏集包含此论文

请将此论文添加到一个收藏集（https://huggingface.co/new-collection），以便在此页面中建立链接。

相似文章

像素扩散的对抗训练

Hugging Face Daily Papers

本文首次系统研究了像素扩散模型的对抗后训练，表明它能有效纠正高频内容缺陷，从而提高分布保真度、覆盖范围和感知质量，且不改变模型架构。