QUSR：质量感知且不确定性导引的图像超分辨扩散模型
计算机视觉与模式识别
2026-03-11 v1 人工智能
摘要
扩散模型的图像超分辨（ISR）在实际场景中面临挑战——由于退化情况未知且在空间上不均匀，往往导致细节丢失或视觉伪影。为此，我们提出一种新型超分辨扩散模型 QUSR，集成质量感知先验（QAP）与不确定性导引噪声生成（UNG）模块。UNG 模块自适应调整噪声注入强度，对高不确定性区域（如边缘和纹理）注入更强扰动以重建复杂细节，同时在低不确定性区域（如平坦区域）最小化噪声以保留原始信息。同时，QAP 利用先进的多模态大语言模型（MLLM）生成可靠的质量描述，为恢复过程提供有效且可解释的质量先验。实验结果表明，QUSR 能在实际场景下生成高保真度和高真实感的图像。源码已公开于 https://github.com/oTvTog/QUSR。
引用
@article{arxiv.2603.09125,
title = {QUSR: Quality-Aware and Uncertainty-Guided Image Super-Resolution Diffusion Model},
author = {Junjie Yin and Jiaju Li and Hanfa Xing},
journal= {arXiv preprint arXiv:2603.09125},
year = {2026}
}
备注
This paper has been accepted by ICASSP 2026