InstanceRSR：基于实例感知表示对齐的实用超分辨率
计算机视觉与模式识别
2026-03-26 v1
摘要
基于生成先验的现有实用超分辨率 (RSR) 方法在生成高质量且全局一致的重构方面取得了显著进展，但常常难以恢复复杂真实场景中不同对象实例的细粒度细节。这种局限主要源于常用去噪损失（如 MSE）偏好全局一致性，忽视实例级感知与恢复。为此，我们提出了 InstanceRSR，一种新的 RSR 框架，联合建模语义信息并引入实例级特征对齐。具体而言，我们采用低分辨率 (LR) 图像作为全局一致性指导，同时建模图像数据和语义分割图，以在采样过程中强制语义相关性。此外，我们设计了实例表示学习模块，将扩散潜在空间与实例潜在空间对齐，实现实例感知特征对齐，并进一步引入尺度对齐机制以增强细粒度感知和细节恢复。凭借这些设计，您的方法不仅生成逼真的细节，还在实例级保持语义一致性。广泛的实验在多个真实场景基准上表明，InstanceRSR 在定量指标和视觉质量方面均显著优于现有方法，实现了新的最先进 (SOTA) 水平。
引用
@article{arxiv.2603.24240,
title = {InstanceRSR: Real-World Super-Resolution via Instance-Aware Representation Alignment},
author = {Zixin Guo and Kai Zhao and Luyan Zhang},
journal= {arXiv preprint arXiv:2603.24240},
year = {2026}
}
备注
4 pages, 4 figures, 2 tables. Accepted by ICASSP 2026