Thera：基于神经热场的无混叠任意尺度超分辨率
计算机视觉与模式识别
2025-11-10 v4
摘要
近期任意尺度单图像超分辨率（ASR）方法使用神经场来表示可在任意分辨率下采样的连续信号。然而，神经场的逐点查询并不能自然匹配像素的点扩散函数（PSF），这可能造成超分辨率图像中的混叠。现有方法试图通过在各缩放因子下近似该场的积分版本来缓解此问题，却同时损害了保真度与泛化性。本工作中，我们引入神经热场，一种天然建模物理精确 PSF 的新型神经场表述。我们的表述能在任意期望输出分辨率下实现解析正确的抗混叠，且——不同于超采样——无需额外开销。基于此基础，我们提出 Thera，一种端到端 ASR 方法，其在大幅优于现有方法的同时，参数更高效且提供强理论保证。项目页面位于 https://therasr.github.io。
引用
@article{arxiv.2311.17643,
title = {Thera: Aliasing-Free Arbitrary-Scale Super-Resolution with Neural Heat Fields},
author = {Alexander Becker and Rodrigo Caye Daudt and Dominik Narnhofer and Torben Peters and Nando Metzger and Jan Dirk Wegner and Konrad Schindler},
journal= {arXiv preprint arXiv:2311.17643},
year = {2025}
}