Hero-SR：基于人类感知先验的一步扩散超分辨率方法

由于扩散模型的强大先验，近年来的方法在解决真实世界超分辨率（Real-SR）问题上展现出前景。然而，在严重退化且输入复杂度各异的条件下，实现语义一致性和感知自然性以满足人类感知需求仍然困难。为此，我们提出了Hero-SR，一个一步扩散超分辨率框架，明确设计以人类感知先验为基础。Hero-SR由两个新颖模块组成：动态时间步模块（DTSM），自适应选择最优扩散步骤以灵活满足人类感知标准；以及开放世界多模态监督（OWMS），通过CLIP整合图像和文本域的引导以提升语义一致性和感知自然性。通过这些模块，Hero-SR生成的高分辨率图像不仅保留了精细细节，还反映了人类感知偏好。大量实验验证了Hero-SR在Real-SR中达到了最先进的性能。代码将在论文接收后公开发布。