UltraHR-100K：利用大规模高质量数据集提升超高分辨率图像合成
计算机视觉与模式识别
2025-10-24 v1
摘要
超高分辨率（UHR）文本到图像（T2I）生成已取得显著进展。然而，仍存在两个关键挑战：1）缺乏大规模高质量UHR T2I数据集，以及（2）在UHR场景中忽视了针对细粒度细节合成的定制训练策略。为应对第一个挑战，我们引入了\textbf{UltraHR-100K}，这是一个包含10万张UHR图像的高质量数据集，配有丰富的描述文本，提供多样化的内容和强大的视觉保真度。每张图像分辨率超过3K，并基于细节丰富度、内容复杂度和美学质量进行了严格筛选。为应对第二个挑战，我们提出了一种频率感知的后训练方法，用于增强T2I扩散模型中的细节生成。具体而言，我们设计了（i）\textit{面向细节的时间步采样（DOTS）}，以聚焦于对细节关键的去噪步骤的学习，以及（ii）\textit{软加权频率正则化（SWFR）}，利用离散傅里叶变换（DFT）对频率分量进行软约束，促进高频细节的保留。在我们提出的UltraHR-eval4K基准上的大量实验表明，我们的方法显著提升了UHR图像生成的细粒度细节质量和整体保真度。代码可在\href{https://github.com/NJU-PCALab/UltraHR-100k}{此处}获取。
引用
@article{arxiv.2510.20661,
title = {UltraHR-100K: Enhancing UHR Image Synthesis with A Large-Scale High-Quality Dataset},
author = {Chen Zhao and En Ci and Yunzhe Xu and Tiehan Fan and Shanyan Guan and Yanhao Ge and Jian Yang and Ying Tai},
journal= {arXiv preprint arXiv:2510.20661},
year = {2025}
}
备注
Accepted by NeurIPS 2025