UltraZoom：从普通照片生成十亿像素图像
计算机视觉与模式识别
2025-07-29 v1
摘要
我们提出了UltraZoom，一个从随意拍摄的输入（如手持手机照片）生成十亿像素分辨率物体图像的系统。给定一张全图（全局、低细节）和一张或多张特写（局部、高细节），UltraZoom将全图放大以匹配特写示例的精细细节和尺度。为实现这一点，我们从特写中构建了逐实例配对数据集，并适配了一个预训练生成模型以学习物体特定的低分辨率到高分辨率映射。在推理阶段，我们在全图上以滑动窗口方式应用该模型。构建这些配对并非易事：需要在全图中对特写进行配准以进行尺度估计和退化对齐。我们提出了一种简单而鲁棒的方法，用于在随意拍摄的野外场景中对任意材质进行配准。这些组件共同构成了一个系统，可在整物体上实现无缝平移和缩放，仅需最少的输入即可生成一致、逼真的十亿像素图像。
引用
@article{arxiv.2506.13756,
title = {UltraZoom: Generating Gigapixel Images from Regular Photos},
author = {Jingwei Ma and Vivek Jayaram and Brian Curless and Ira Kemelmacher-Shlizerman and Steven M. Seitz},
journal= {arXiv preprint arXiv:2506.13756},
year = {2025}
}
备注
Project page: https://ultra-zoom.github.io/