基于扩散模型的文本感知真实图像超分辨率：联合分割解码器
计算机视觉与模式识别
2025-06-06 v1
摘要
生成模型的引入显著ly推进了图像超分辨率（SR）在处理真实退化问题方面的应用。然而，这些方法往往存在与保真度相关的缺陷，尤其是扭曲文本结构。在本文中，我们引入了一种新型基于扩散的SR框架，称为TADiSR，该框架集成了文本感知注意力机制和联合分割解码器，以恢复不仅包括自然细节在内的文本区域在退化真实图像中的结构保真度。此外，我们提出了一种用于合成高质量图像的完整流程，采用细粒度全图像文本掩码，将具有逼真前景文本区域与详细背景内容相结合。广泛的实验表明，我们的方法在超分辨图像中显著提升了文本可读性，在多个评估指标上实现了最先进的性能，并在真实场景中表现出强大的泛化能力。我们的代码可在\href{https://github.com/mingcv/TADiSR}{here}获取。
引用
@article{arxiv.2506.04641,
title = {Text-Aware Real-World Image Super-Resolution via Diffusion Model with Joint Segmentation Decoders},
author = {Qiming Hu and Linlong Fan and Yiyan Luo and Yuhang Yu and Xiaojie Guo and Qingnan Fan},
journal= {arXiv preprint arXiv:2506.04641},
year = {2025}
}