wafer-bob/ASASR

[ICML 2026] Coloring the Noise: Adversarial Sobolev Alignment for Faithful Image Super Resolution (Official Implementation)

解決的問題

ASASR 解決了「忠實」影像超解析度(SR)的問題,其目標是在放大低解析度影像時,維持結構保真度與光譜一致性,同時避免引入許多生成式 SR 方法中常見的偽影。

工作原理

基於 FLUX.1-dev 主幹架構,ASASR 使用雙 LoRA 推論流程(基礎 SR 先驗 + DPO 優化)進行影像重建。引入了三項關鍵技術創新:

  1. 彩色雜訊流:以與自然影像流形對齊的頻譜形狀核取代標準高斯雜訊。
  2. Sobolev 引導幾何(S-DPO):使用黎曼度量與頻率加權的直接偏好優化(DPO),更有效地保留高頻結構。
  3. 對抗性流形引導(AMG):使用一個訓練為模擬基線 SR 偽影的對抗網路,產生「硬負樣本」以引導 DPO 流程實現更忠實的重建。

適用對象

從事影像修復、超解析度與生成式 AI 的研究人員與開發者,需要避免常見生成幻覺或偽影的高保真放大方案。

主要亮點

  • SOTA 性能:在 DIV2K-Val(Real-ESRGAN ×4)上位列最先进,在 RealSR 上排名第三。
  • 雙 LoRA 架構:結合基礎 SR LoRA 與 DPO 優化 LoRA,實現平衡的重建效果。
  • 對抗訓練:使用專用對抗網路合成現實的失敗案例,用於偏好優化。
  • 全面評估:包含 PSNR、SSIM、LPIPS 以及無參考品質評估(MANIQA、MUSIQ、CLIPIQA+)的完整指標套件。

相關

  • 專案
  • 專案
  • 專案
  • 專案
  • 專案