Continuous Degradation Modeling via Latent Flow Matching for Real-World Super-Resolution
计算机视觉与模式识别
2026-02-05 v1
摘要
虽然基于深度学习的超分辨率（SR）方法在合成退化情景（如bicubic下采样）方面表现突出，但在面对具有噪声、模糊和压缩伪影等复杂非线性退化的真实图像时，常常难以取得理想效果。最近的研究尝试通过编织真实低分辨率（LR）和高分辨率（HR）图像对（通常仅限于几个特定下采样因子）来缓解此问题。为此，我们的工作引入了一种新型框架，能够通过潜在退化空间中的流匹配（flow matching）从单个HR图像合成真实的LR图像。该方法可生成具有真实伪影的LR图像，支持未见退化水平，从而促进大规模真实世界SR训练数据的创建。综合的定量和定性评估验证了我们的合成LR图像准确复制了真实世界退化。此外，使用我们的数据集训练的传统和任意尺度SR模型均能显著提升HR输出质量。
引用
@article{arxiv.2602.04193,
title = {Continuous Degradation Modeling via Latent Flow Matching for Real-World Super-Resolution},
author = {Hyeonjae Kim and Dongjin Kim and Eugene Jin and Tae Hyun Kim},
journal= {arXiv preprint arXiv:2602.04193},
year = {2026}
}
备注
AAAI 2026