Selection, Aggregation, and Enhancement: Trajectory Consistent Diffusion Model for Image Super-Resolution

Detian Huang

doi:10.1109/TIP.2026.3699085

Selection, Aggregation, and Enhancement: Trajectory Consistent Diffusion Model for Image Super-Resolution

2026-06-10

0

PRE

AI

DOI：10.1109/TIP.2026.3699085

原文链接

原文求助

摘要

En 中文

扩散模型在图像超分辨率（ISR）中展现出巨大潜力。然而，现有方法往往未能充分利用预训练的扩散骨干网络，且缺乏对采样轨迹的约束，导致结构一致性和精细细节的退化。为此，我们引入了一种轨迹一致的扩散模型（TCDM）用于超分辨率，该模型通过轻量级组件和推理时策略联合优化采样过程，同时保持扩散骨干网络冻结，实现了高保真、细节丰富的重建。首先，我们提出了一种动态语义选择（DSS）机制，该机制记录早期中间结果，将其与上采样后的低分辨率特征进行匹配，并利用最佳匹配重新调整采样，以减少条件与噪声尺度之间的不匹配。其次，我们设计了一种跨步聚合引导（CAG）策略，该策略将当前状态的特征与选定的中间结果聚合，以在噪声预测中强制执行轨迹级一致性。最后，我们提出了一种即插即用的频率增强适配器（FE-Adapter），该适配器在训练期间向编码器注入不同频域提示，强化高频感知能力的同时保留全局结构。在多个ISR基准测试中的大量实验表明，TCDM实现了强大的结构保真度以及具有竞争力的无参考感知质量，提供了有利的保真度-感知权衡。

Keyword:

Image super-resolution

diffusion models

trajectory consistency

semantic selection

cross-step aggregation

frequency enhancement

Selection, Aggregation, and Enhancement: Trajectory Consistent Diffusion Model for Image Super-Resolution

摘要

期刊

机构

引用论文