面向真实世界超分辨率的单步扩散：桥接恢复与生成流形
计算机视觉与模式识别
2026-05-11 v2 图像与视频处理
摘要
预训练的扩散模型已彻底改变了真实世界图像超分辨率（Real-ISR），但因迭代采样而产生计算瓶颈。最近的单步蒸馏加速了推理，但因刚性时间步初始化、分布式轨迹不匹配和脆弱的随机调制，面临明显的感知-失真权衡。为此，我们提出了适用于Real-ISR的自适应逆转与面向损坏的采样（IDaS-SR），一个单步骤框架桥接确定性恢复与随机生成流形。其核心，称为MINE（Manifold Inversion Noise Estimator，流形逆转噪声估计器）的机制，通过预测严重程度感知的时间步和逆转噪声，将低质量潜在变量精确地锚定到扩散轨迹上。此外，为缓解脆弱的随机调制，我们提出了CHARIOT（Continuous generative steering mechanism，连续生成引导机制）。通过重新调度轨迹和插值噪声，它使我们能够在不牺牲结构先验的前提下，显式地导航感知-失真边界。广泛的实验表明，IDaS-SR 在性能上超过了最先进的方法，能够在单个推理步骤中无缝地从严谨的结构恢复者过渡到精细的纹理幻视器。
引用
@article{arxiv.2604.24136,
title = {Bridging Restoration and Generation Manifolds in One-Step Diffusion for Real-World Super-Resolution},
author = {Shyang-En Weng and Yi-Cheng Liao and Yu-Syuan Xu and Wei-Chen Chiu and Ching-Chun Huang},
journal= {arXiv preprint arXiv:2604.24136},
year = {2026}
}