Detail-Enhancing Framework for Reference-Based Image Super-Resolution

要約

近年、参照ベースの画像超解像度 (Ref-SR) が隆盛を極めています。
高解像度 (HR) 参照画像を単一画像超解像度 (SISR) アプローチにインポートすることにより、参照画像から転送されたテクスチャの助けを借りて、この長年のフィールドの不適切な性質が軽減されました。
定量的および定性的結果の大幅な改善により、Ref-SR 法の優位性が実証されましたが、テクスチャ転写前の位置ずれの存在は、さらなるパフォーマンス向上の余地を示しています。
既存の方法では、比較の文脈における細部の重要性が無視される傾向があるため、低解像度 (LR) 画像に含まれる情報が十分に活用されていません。
この論文では、参照ベースの超解像のためのディテール強調フレームワーク (DEF) を提案します。これは、LR 画像の基礎となるディテールを生成および強調するための拡散モデルを導入します。
対応する部分が参照画像内に存在する場合、私たちの方法により厳密な位置合わせが容易になります。
参照画像に該当する部分が欠けている場合でも、参照画像の影響を回避しながら根本的な改善を実現します。
広範な実験により、私たちの提案した方法が同等の数値結果を維持しながら優れた視覚的結果を達成することが実証されました。

要約(オリジナル)

Recent years have witnessed the prosperity of reference-based image super-resolution (Ref-SR). By importing the high-resolution (HR) reference images into the single image super-resolution (SISR) approach, the ill-posed nature of this long-standing field has been alleviated with the assistance of texture transferred from reference images. Although the significant improvement in quantitative and qualitative results has verified the superiority of Ref-SR methods, the presence of misalignment before texture transfer indicates room for further performance improvement. Existing methods tend to neglect the significance of details in the context of comparison, therefore not fully leveraging the information contained within low-resolution (LR) images. In this paper, we propose a Detail-Enhancing Framework (DEF) for reference-based super-resolution, which introduces the diffusion model to generate and enhance the underlying detail in LR images. If corresponding parts are present in the reference image, our method can facilitate rigorous alignment. In cases where the reference image lacks corresponding parts, it ensures a fundamental improvement while avoiding the influence of the reference image. Extensive experiments demonstrate that our proposed method achieves superior visual results while maintaining comparable numerical outcomes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google