面向单步真实世界超分辨率的联合几何与轨迹一致性学习
计算机视觉与模式识别
2026-03-02 v1
摘要
基于扩散的真实世界图像超分辨率（Real-ISR）在感知质量方面取得了令人瞩目的成绩，但由于迭代采样导致计算成本高昂。虽然最近的蒸馏方法利用大规模文本到图像（T2I）先验实现了一步生成，但通常受限于惊人的参数规模以及受制于教师模型固有的能力边界。作为轻量级替代方案，Consistency Models 在推理时效率很高，但在两个关键局限性方面走得很远：固有于传递性训练的 consistency drift 的积累，以及我们称之为“几何解耦”（Geometric Decoupling）的现象——生成轨迹在像素级对齐方面取得成功，却未能保持结构一致性。为解决这些挑战，我们提出了 GTASR（Geometric Trajectory Alignment Super-Resolution），一种用于 Real-ISR 的简单而有效的 consistency 训练范式。具体而言，我们引入了轨迹对齐（TA）策略通过全路径投影来纠正切向量场，并提出了双参考结构纠正（DRSR）机制以强制执行严格的结构约束。大量实验验证了 GTASR 在代表性基准上实现了优越性能，同时保持最小延迟。代码和模型将在 https://github.com/Blazedengcy/GTASR 发布。
引用
@article{arxiv.2602.24240,
title = {Joint Geometric and Trajectory Consistency Learning for One-Step Real-World Super-Resolution},
author = {Chengyan Deng and Zhangquan Chen and Li Yu and Kai Zhang and Xue Zhou and Wang Zhang},
journal= {arXiv preprint arXiv:2602.24240},
year = {2026}
}