基于自回归流的超高清图像去模糊 with 不适条件约束
计算机视觉与模式识别
2026-03-12 v1
摘要
超高清（UHD）图像去模糊是超高清恢复方法面临的重大挑战，必须在细粒度细节恢复与实际推理效率之间进行权衡。尽管具有代表性的判别式和生成式方法已取得显著成果，但在计算成本与生成 UHD 图像细节能力之间仍存在权衡。为进一步缓解此类问题，我们提出一种基于不适条件约束的自回归流方法，用于 UHD 图像去模糊。我们的核心思想是将 UHD 恢复分解为一个渐进的粗到细过程：在每个尺度上，锐利估计通过上采样前一尺度的结果并添加当前尺度的残差来形成，使其能够从低分辨率到高分辨率进行稳定、阶段性的细化。我们进一步引入 Flow Matching，通过条件向量场来建模残差生成，并使用高效的 Euler/Heun 求器进行少步 ODE 采样，在保持推理可接受成本的同时丰富细节。由于 UHD 上的多步生成在数值上可能不稳定，我们提出一种不适性抑制方案，通过对特征诱导的注意力矩阵施加条件数正则化，提高收敛性和跨尺度一致性。我们的方法在 4K（3840×2160）或更高分辨率的模糊图像上表现出有前景的性能。
引用
@article{arxiv.2603.10517,
title = {UHD Image Deblurring via Autoregressive Flow with Ill-conditioned Constraints},
author = {Yucheng Xin and Dawei Zhao and Xiang Chen and Chen Wu and Pu Wang and Dianjie Lu and Guijuan Zhang and Xiuyi Jia and Zhuoran Zheng},
journal= {arXiv preprint arXiv:2603.10517},
year = {2026}
}
备注
Submitted to ECCV 2026