ASASR: Allineamento Sobolev Avversario per il Super-Risoluzione Fedele delle Immagini
I ricercatori propongono ASASR, un framework per il super-risoluzione delle immagini che affronta il disallineamento spettrale tra i priori generativi e i manifold delle immagini naturali. Il metodo utilizza la geometria riemanniana indotta da Sobolev e un avversario parametrico basato sul Teorema di Rappresentazione di Riesz per generare campioni negativi mirati, migliorando la fedeltà rispetto ad approcci standard come l'Ottimizzazione Diretta delle Preferenze.
Fatti principali
- ASASR affronta il disallineamento spettrale nel super-risoluzione delle immagini
- Il framework utilizza la geometria riemanniana indotta da Sobolev
- Avversario parametrico basato sul Teorema di Rappresentazione di Riesz
- Genera campioni negativi mirati per l'ottimizzazione
- Migliora rispetto all'Ottimizzazione Diretta delle Preferenze
- Si concentra sul restauro fedele rispetto ai priori generativi
- Il kernel di transizione del rumore colorato rispecchia il decadimento spettrale naturale
- Estesi esperimenti dimostrano l'efficacia
Entità
—