Allo{SR}$^2$: 通过全异构生成流将单步超分辨率校正至保持真实
计算机视觉与模式识别
2026-04-22 v1
摘要
现实世界图像超分辨率（Real-SR）已通过利用大规模扩散和流模型的强大生成先验而取得飞速发展。然而，对有限的LR-HR配对进行微调常常导致“先验坍缩”，即模型牺牲其固有的生成丰富性以过拟合特定训练退化。单步生成中进一步恶化了这一问题，因为缺乏多步细化导致轨迹显著漂移和产生人工 artifact。本文提出Allo{SR}，一种通过全异构生成流校正单步SR轨迹以维持高保真生成真实性的新框架。具体而言，我们利用信噪比引导轨迹初始化（SNR Guided Trajectory Initialization）通过将LR潜在特征的退化水平与预训练流的最优锚定时刻对齐，建立物理上有依据的初始状态。为确保单步推断的稳定、无曲率路径，我们提出了流锚定轨迹一致性（Flow-Anchored Trajectory Consistency, FATC），其在轨迹的中间状态上强制执行速度级监督。此外，我们发展了全异构轨迹匹配（Allomorphic Trajectory Matching, ATM），一种自对抗性对齐策略，用于在统一的向量场中最小化SR流与生成流之间的分布差异。广泛的在合成和现实世界基准上的实验表明，Allo{SR}在单步Real-SR中实现了最先进的性能，在恢复保真度和生成真实性之间实现了卓越的平衡，同时保持极端的效率。
引用
@article{arxiv.2604.19238,
title = {Allo{SR}$^2$: Rectifying One-Step Super-Resolution to Stay Real via Allomorphic Generative Flows},
author = {Zihan Wang and Xudong Huang and Junbo Qiao and Wei Li and Jie Hu and Xinghao Chen and Shaohui Lin},
journal= {arXiv preprint arXiv:2604.19238},
year = {2026}
}