跳到正文
arXiv · 机器人与计算机视觉· Song Fei, Tian Ye, Sixiang Chen, Zhaohu Xing, Jianyu Lai, Lei Zhu·· 8 天前AI 评分68

LucidNFT:面向流匹配真实世界超分辨率的多奖励偏好优化

LucidNFT: LR-Anchored Multi-Reward Preference Optimization for Flow-Based Real-World Super-Resolution

AI 导读

针对生成式真实图像超分辨率中随机采样导致的语义幻觉问题,论文提出 LucidNFT 框架。该框架引入基于内容一致性的退化池与硬负样本训练出的 LucidConsistency 评估器以检测局部幻觉,并采用解耦的奖励归一化策略保留各目标间的对比度。实验表明,该方法在保持低分辨率输入参考一致性的同时提升了感知质量,且在独立人类评测中,72.5% 的比较结果认为其输出更忠实于原始低分辨率输入。

来源:arXiv · 机器人与计算机视觉 · arxiv.org